同一台境外主机，工作日白天和夜间的网络表现可能不同；单次丢包也未必代表持续故障。要让境外主机网络丢包率的长期监测与告警阈值真正有用，应先按时段记录基线，再判断偏离程度，并用持续时间和多点观测过滤偶发波动。
先把测量口径固定下来
丢包率是未收到响应的探测次数占总次数的比例。若每分钟只发送10次探测，漏掉1次就显示为10%；样本太少时，读数会显得跳动。因此，应同时保存探测总数、失败数、目标地址和探测节点，避免只看百分比。
可在实际用户所在区域附近和另一处独立网络各设一个探测点，持续观察同一境外主机。探测协议也要匹配业务：ICMP Echo适合观察基础连通性，但部分网络会限制或降低其优先级；TCP连接探测或HTTP请求更接近应用访问，却可能把服务端处理、端口策略等问题一并计入。两类结果不能直接当成同一种丢包。
建立按时段划分的基线
监测至少覆盖一个完整的工作周；条件允许时记录两至四周，分别比较工作日、周末及业务高峰。按固定时区保存数据，并标明维护窗口。对于跨时区访问，宜同时保留UTC时间和业务所在地时间，避免把当地晚高峰错看成随机故障。
可以用SmokePing记录探测结果，再通过图表观察长期变化；若已有Prometheus监控体系，也可用Blackbox Exporter执行TCP或HTTP探测。工具负责采集和展示，是否达到告警条件仍应由业务影响和历史基线决定。采样间隔常设为30秒至1分钟；每个统计窗口累计足够样本后再计算比例，具体频率要结合网络成本与故障发现速度。
从基线推导告警阈值
将每个时段的典型值、波动范围和异常峰值分别记录。均值容易受短时尖峰影响，可同时参考中位数和高分位数。下列数值只是初始配置示例，并非通用标准；应根据连续观测和业务容忍度调整。
| 级别 | 可用的初始判断 | 处理方式 |
|---|---|---|
| 观察 | 5分钟窗口丢包超过约2%至3%，且高于该时段基线 | 检查相邻时段、探测点和目标端结果，不立即升级事故 |
| 告警 | 连续两个或三个窗口超过约5%，或多个探测点同时恶化 | 通知值班人员，核对路由、主机负载及应用可达性 |
| 严重 | 丢包持续在约10%以上，或业务探测连续失败 | 按故障流程升级，并确认是否影响真实请求 |
若正常高峰本来就有波动，固定百分比容易频繁误报，可采用“高于同一时段基线一定幅度，并超过最低绝对值”的组合条件。反过来，低流量时单次失败造成的高比例也不宜触发严重告警，可增加最小样本数要求。
按步骤落地并校验
- 选定目标。分别监控主机地址、业务端口和关键页面，避免把主机可达等同于应用正常。
- 安排探测。至少使用两个网络路径不同的探测点，固定协议、频率和超时时间，记录配置变更。
- 采集基线。连续记录一至数周，按工作日、周末和业务高峰分组，标记已知维护及计划操作。
- 配置分级规则。结合绝对丢包比例、相对基线偏差、连续窗口和最小样本量设置观察、告警、严重三级。
- 复核告警。收到通知后对比多个探测点，并检查TCP或HTTP结果；若只有一种探测方式异常，先判断是否为协议限制或目标端策略。
- 定期调整。每月检查误报、漏报和时段变化；线路迁移、主机更换或探测点调整后重新积累基线。
常见问题
丢包率为零就代表线路没有问题吗？
不一定。短时采样可能没碰到故障，单一探测协议也可能与真实业务体验不同，应结合持续监测和应用探测判断。
阈值应该所有主机统一吗？
不宜直接统一。不同地区、路由和业务容忍度存在差异；可统一告警等级与计算方法，再按时段基线调整具体数值。
多久复核一次设置？
稳定运行时可按月查看；网络路径、主机位置或业务访问时段明显变化后，应尽快重新评估。境外主机网络丢包率的长期监测与告警阈值，核心是持续、同口径地比较，并让告警对应可验证的业务影响。
