D14-01可观测与运维2 分钟更新于 2026-11
支付系统怎么观测
一句话
支付系统的可观测性,核心不是 CPU 和内存,是「钱有没有按预期流动」。
支付系统怎么观测
四类指标,缺一类就是盲区
| 类别 | 指标 | 回答什么 |
|---|---|---|
| 业务 | 支付成功率、掉单率、平均耗时 | 用户能不能付成功 |
| 资金 | 在途余额、挂账笔数、对账差异率 | 钱对不对 |
| 技术 | 接口错误率、P99 延迟、依赖可用性 | 系统稳不稳 |
| 合规 | 风控拦截率、误杀率、筛查告警量 | 该拦的拦了没 |
技术指标最容易被过度关注:CPU 50% 但成功率掉了 3 个点,问题比 CPU 90% 严重得多。
业务指标要分维度看
一个总成功率 97% 没有意义。必须能按维度拆:
- 通道(哪家在拖后腿)
- 支付方式(卡 / 钱包 / 转账)
- 地区 / 币种
- 商户(大客户单独看)
- 新老用户(首付失败率通常更高)
聚合指标会掩盖问题,分维度才会暴露问题。
告警分级:按「钱」排,不按「吵」排
- P0(立刻叫人):资金类——重复出款、账不平、备付金缺口
- P1(15 分钟内):转化类——成功率跌破阈值、某通道全挂
- P2(工作时间):体验类——延迟上升、个别商户异常
- P3(看板):趋势类——成本变化、拒付率缓慢上升
分级不清楚的后果:所有告警都在群里响,最后没人看。
链路追踪:一笔交易一个 trace
支付链路天生跨系统:收银台 → 网关 → 路由 → 通道适配 → 渠道 → 回调 → 记账。
排查一个「用户说付了但没到账」,需要的是一条完整链路,不是五个系统的五份日志。
落地要点:
- 统一的
trace_id,从收银台一路透传到记账 - 业务单号也带上(订单号、支付单号、渠道流水号)
- 日志里禁止只打「成功/失败」,要带错误码与渠道原始返回
反例:只看接口成功率
某团队监控面板上「支付接口成功率 99.9%」,一片绿。 但用户投诉不断——因为接口返回的是「受理成功」, 真正的失败发生在异步回调里,而那部分根本没进监控。
同步接口成功率和最终支付成功率是两个指标,后者才是用户感知的。
自查清单
- 有最终成功率(含异步回调)指标吗
- 指标能按通道、地区、商户拆吗
- P0 告警覆盖资金类异常吗(重复出款、账不平)
- 一笔交易能串起全链路日志吗
- 日志里有渠道原始返回吗
依据
- 可观测性三支柱(指标、日志、追踪)在支付场景的落地
- 查单补偿链路,见 掉单与查单补偿
- 相关:差异的责任矩阵、对账系统:批处理还是实时
相关阅读