分布式集群全局QPS汇总图需确保数据可比、时间对齐、语义一致：统一用VTS或nginx-prometheus-exporter采集，禁用access_log；chrony校准时间偏差＜50ms；按business_tag→cluster/env分层聚合；Grafana展示单值+堆叠面积图+热力图。
要展示分布式集群的全局 QPS 汇总图，核心不是简单把所有 Nginx 节点的 QPS 相加，而是确保数据可比、时间对齐、语义一致，再做聚合。否则“汇总”只是数字堆砌，失去监控价值。
统一采集口径：避免混用不同指标源
不同节点若用不同方式暴露指标（比如有的用 stub_status，有的用 VTS，有的解析 access log），QPS 计算逻辑会不一致：
- stub_status 只能提供粗粒度累计请求数，rate() 计算易受抓取延迟影响；
- VTS 或 nginx-prometheus-exporter（log 模式）支持按 server、location、upstream 等标签拆分，是做跨节点聚合的基础；
- 必须禁用本地日志写盘（access_log off），改用 syslog 或直接对接 exporter，防止因磁盘 IO 波动导致采样丢失。
强制时间对齐：chrony + drift 标签校准
集群中任意两台 Nginx 时间偏差超过 50ms，10 秒级 QPS 曲线就会出现错峰或毛刺，汇总值失真：
- 所有节点统一部署 chrony，上游至少配 3 个高精度时间源（如 ntp.aliyun.com + 内网 Stratum 2）；
- 在 Prometheus 抓取时，通过 relabel_configs 注入 host_time_drift_ms 字段；
- Grafana 查询中加过滤：{host_time_drift_ms<50}，自动剔除低可信节点的数据。
分层聚合：先按业务域，再按集群维度
全局 QPS 不等于“所有节点 request_total 之和”。应按语义分层聚合：
- 第一层：按 business_tag（如 order、pay、chat）聚合，确认核心路径是否主导流量；
- 第二层：按 cluster 和 env（如 shanghai-prod、beijing-staging）分组，观察地域/环境间负载差异；
- 最终汇总用 PromQL：sum by (business_tag) (rate(nginx_http_requests_total{job="nginx"}[30s]))，窗口设为 30s，兼顾灵敏与稳定。
Grafana 展示要点：带下钻能力的单值+趋势组合
全局汇总图不能只放一个大数字：
- 顶部放实时全局 QPS 单值面板，刷新间隔设为 10s，下方标注“过去 30 秒滑动均值”；
- 主图表用堆叠面积图，X 轴为时间，Y 轴为 QPS，图例按 business_tag 分色，支持点击图例筛选；
- 添加变量：$cluster（多选）、$business_tag（多选）、$time_range（Last 5m / Last 30m），让运维能快速切到问题域；
- 在图下方嵌入一个迷你热力图（Heatmap），横轴为 cluster，纵轴为 minute-of-hour，颜色深浅表示该集群每分钟 QPS 偏离均值的程度。
