监控只盯了服务存活，没盯业务指标，出事了才发现

服务一直 green，用户却在投诉。

原因：监控只检查了进程存活和端口连通，没检查业务是否正常。

实际是：上游全部返回 401（密钥过期），服务本身活得好好的，但所有请求都失败。

补的指标：

1. 请求成功率（这个最基础，居然一直没做）
2. 按渠道分的失败率
3. 平均响应时间
4. 余额/配额剩余

第 4 条很容易忽略。密钥余额耗尽导致的失败，靠前三个指标能发现，但发现时已经影响了。

现在设了余额低于阈值提前告警。这类问题是可预测的，没必要等它变成事故。