为何Datadog公式监控仅允许对count指标使用sum聚合方式？

Count类型指标的核心是统计时间窗口内事件的发生次数（比如错误请求数、总请求数），Datadog限制这类指标只能用Sum聚合，本质是由指标语义和统计逻辑决定的：

• 聚合逻辑与指标语义完全匹配：Count指标本身就是「事件次数的累计值」，Sum聚合会把多实例、多时间分片的Count值加总，得到全局的真实总次数。比如3个服务实例各上报10次错误，Sum后得到的30才是全局总错误数，这是计算错误率的基础。
• 其他聚合方式无业务价值：
  • Avg（平均值）会算出实例间的平均Count，这对错误率计算毫无意义——你需要的是全局总数，而非单个实例的平均次数。
  • Max/Min（最大/最小值）只能反映单个实例的极值，无法体现全局的整体计数，根本没法用来计算准确的错误率。
• 指标存储的底层逻辑：Count类型指标在Datadog存储时，是按时间粒度累加的数值，Sum聚合是最直接、最准确还原全局统计值的方式，其他聚合会破坏指标原本的统计意义。

如果要计算错误率触发告警，正确的公式应该是sum(错误Count指标) / sum(总请求Count指标)，这样得到的才是全局范围内的真实错误率，以此设置阈值告警才准确。

内容的提问来源于stack exchange，提问作者UnknownBeef