概念定义：流量标定在AB页跳转中的位置
AB页跳转流量标定到底是个什么东西？我们平时在系统跑着的时候，会对进入判定链路的那些访问流量，按一组比较稳定的特征维度画出一个"正常区间"，这个区间就是参照基线。然后实时流量不断跟它比，偏得离谱的流量段或者流量簇就会被拎出来。它给的结论没那么干脆——不会直接告诉你"通过"或者"拦截"，它说的是一句更啰嗦的话：当前流量相对基线偏了多少、偏在哪个维度上。
要弄明白这玩意儿，得先看它对付的是什么麻烦。AB页跳转的判定，一般靠规则命中：设备特征凑齐某组条件、来源信号掉进某个区间，走A页，不然走B页。规则写得再细，背后都揣着一个假设——流量整体形态是稳的。可流量形态这东西说变就变，某类来源的访问节奏整体加快了，或者某类设备特征的分布整体挪了位置，规则照样执行，但执行出来的结果跟当初设计的意图已经对不上了。流量标定就是在这儿插一脚的：规则它不动，它只是在旁边支一块牌子，告诉你"当前流量还在不在设计假设里头"。
所以核心产物是基线，策略排在后面。基线是一组带时间属性的统计区间；策略是偏移信号出来之后，人或系统去做的响应。这俩混着用，是实践里最常见的起手错误。
概念地图：标定与相邻概念的边界
与阈值告警的区别
阈值告警好理解，某个指标钉死一个数，超了就响。流量标定不这么干，它要求参照值自己跟着流量结构变。打个比方，跳转判定耗时超过800毫秒触发告警，这是阈值；而"近一小时内判定耗时分布的中位数，相对过去七天同时段基线偏移超过一定幅度"，这才叫标定。一个问的是"有没有越过某条线"，另一个问的是"有没有偏离自己的常态"。两套东西可以一起用，但谁也别想替代谁。
黑白名单是对个体对象的静态归类，判定依据就是名单本身。标定处理的是群体分布层面的偏移，它不会针对某个具体IP或设备给出放行或拒绝的结论。名单可以当标定的一个输入维度来使，但标定出来的结论通常是"这一段流量整体偏离基线"，想定位到具体对象，还得继续往下钻。
与规则命中率监控的区别
规则命中率监控盯的是规则执行结果的比例变化，属于结果侧指标。标定盯的是输入侧特征分布的变化。命中率掉了，可能是流量变了，也可能是规则改了——标定干的事之一，就是把"流量变了"这个因素单独拎出来，免得把输入侧的变化误判成规则侧的毛病。
组成结构：基线建模的三个层次
建模第一步，先定对哪些特征建参照。AB页跳转场景里常见的维度有这些：访问时间间隔分布、单会话内的请求次数分布、设备特征的组合分布、来源网络段的聚合分布，还有判定耗时的分位数分布。维度不是堆得越多越好，每个维度都得能对应上一个说得清的业务含义，不然基线偏了，你都不知道该干嘛。
样本窗口与更新节奏
基线得有样本窗口。窗口短了，基线跟着噪声跑，偏移信号就没意义了；窗口长了，真出现结构性变化它又反应迟钝。比较常见的做法是双窗口：长窗口建稳定参照，短窗口抓近期变化，两者之间的差异本身就是个偏移信号。更新节奏要跟业务周期对齐——投放有明显日内波动和周期波动的时候，基线按对应时段分别建，别全天共用一条。
偏移判定规则
偏移判定得回答两个问题：偏多少算偏，偏了之后看什么。前一个是幅度条件，一般用分布位置的移动量或者分布形状的变化程度来表达，再配一个持续时长条件，免得瞬时抖动就触发。后一个是下钻路径——偏移信号出来以后，按什么顺序拆到具体维度、具体流量段。判定规则写不清楚，标定就只能吐出一句"有异常"，后面的动作根本没法接。
适用条件与边界
流量标定适合用在流量规模撑得起分布统计、流量结构本身又有可辨识常态的场景。日均访问量太低的时候，分布估计波动太大，基线自己都站不稳，这种时候固定阈值反而更靠谱。还有一种情况得留意：流量结构短期内发生计划内的整体切换，比如新渠道开量、投放地域调整，标定得在切换点重置基线或者标记为已知变更，否则计划内的变化会被当成偏移报出来。
能力边界也得说清楚。它能发现"偏离了常态"，但偏离的原因它说不出来，更替代不了对具体规则的审查。偏移信号是排查的起点，不是结论。
有个匿名化的实践案例挺能说明这个边界。某工具类产品的投放项目，日均点击量一千二三的量级，跳转判定跑在中等规格的服务器上。项目组上线了一套基于固定阈值的判定耗时告警，跑了一段时间发现告警挺频繁，可每次排查都找不到明确的规则缺陷。后来改成对判定耗时的分位数分布建分时段基线，问题才看清楚：偏移集中在某个来源网络段的访问高峰时段，是流量结构变化带来的负载分布变化，规则本身没出错。调整过程也不复杂，把该时段的基线单独建起来，再把偏移信号接进来源维度的下钻视图，告警噪音就降下来了。这个案例里标定没直接修复任何东西，它干的就是把"哪里变了"说清楚。
检测机制：从偏移信号到可执行判断
信号采集与聚合
标定的输入来自跳转链路上已经产生的数据——请求侧的特征字段，加上判定侧的输出记录。采集环节最要紧的是字段口径稳定，同一维度在不同时间点的统计方式必须一致，不然基线比较就是白比。聚合粒度要跟下钻需求匹配，按来源、按时段、按设备大类分别聚合，比只留一份全局汇总有用得多。
偏移识别与分级
偏移识别一般分两级走：一级看整体分布有没有移动，二级看移动集中在哪个子群。分级的意义在于控制响应成本——整体轻微偏移，记录观察就行；子群显著偏移，那就得下钻核查了。分级标准要提前写明白，别每次偏移都从零开始判断严重程度。
响应动作的衔接
偏移信号得能接进既有的运维和策略流程：进观察队列、触发下钻任务，或者在偏移幅度和持续时长同时满足条件时提示人工介入。响应动作不由标定模块自己执行——这是让它稳稳待在"参照层"而不是滑向"执行层"的关键设计。
常见概念性问答
流量标定能替代规则测试吗
不能。规则测试验证的是规则逻辑在给定输入下输出符不符合预期，标定观察的是输入分布本身有没有变。两者作用在不同环节：测试通过不代表线上流量形态没变，标定正常也不代表规则逻辑没缺陷。
基线需要多长历史数据
看流量稳定程度和业务周期长度。底线是至少覆盖一个完整的业务波动周期，让基线里既有高峰也有低谷。覆盖不足的话，基线会把周期内的正常波动当成偏移。
优先查三处：基线有没有按业务时段分别建、判定有没有加持续时长条件、计划内的流量结构变更有没有标记。这三处是误报的主要来源，调整顺序也照这个来。
