TikTok 团队做监控时常卡在一个问题：延迟 95ms 算不算异常？昨天同一时刻是 80ms，前天是 110ms，今天 95ms 到底正不正常。没有"正常"的参照，任何阈值都是拍脑袋，告警要么太多要么太少。TikTok 链路质量基线的目标，是用历史数据算出每条出口在每时段的典型表现，把"正常"量化成一条可比较的线；异常检测则基于这条基线判断偏离，而不是用一条固定阈值硬套全天。本文讨论 TikTok 链路质量基线与异常检测的设计。

一、TikTok 为什么需要质量基线

固定阈值分不清时段

TikTok 晚高峰延迟天然比凌晨高，用一条固定 100ms 阈值，凌晨永远正常、晚高峰天天误报，团队很快就不看告警了。基线按时段给出典型值，晚高峰的"正常"本来就可以比凌晨高，告警才有意义。

基线是异常检测的标尺

TikTok 异常检测若没有基线，只能比绝对阈值；有了基线，可以比"相对自身历史"的偏离。一条出口延迟从 80ms 跳到 140ms，绝对值不算离谱，但相对自身基线已是明显劣化，基线能抓到这类变化。

二、TikTok 质量基线的五个构建要素

分位值比平均值更靠谱

TikTok 延迟基线用 P50 表示典型、P95 表示尾部体验，比单一平均值更有信息量。平均值会被偶尔的尖峰拉偏，P95 能告诉你最差一成的用户经历什么。异常检测应同时盯典型值与尾部值。

基线要滚动更新而非写死

TikTok 业务在变，出口质量也在变，用一年前的基线判断今天毫无意义。基线应每日滚动重算，既吸收近期变化，又用足够长的窗口平滑偶然噪声，避免被单日异常带偏。

三、TikTok 异常检测的三个策略

1. 相对基线偏离

TikTok 团队设"延迟超基线 P95 的 30%"为异常，而不是固定 100ms。这样每条出口、每个时段都有自己的合理区间，晚高峰不会因为天然偏高而无谓告警。

2. 突变检测

TikTok 某出口延迟在十分钟内从 80ms 跳到 150ms，即便没超绝对阈值，这种突变也值得告警。突变检测抓的是"变化速度"，比静态基线更早发现劣化。

3. 多指标联合

TikTok 单看延迟可能误报，但延迟涨、丢包涨、抖动涨同时发生，几乎可以确认链路劣化。多指标联合判断能大幅降低误报，让告警更可信。

四、TikTok 质量基线与异常检测的三个常见误区

• 误区一："一条阈值管全天"——峰谷差异会让告警失真；
• 误区二："基线越久越准"——旧基线反映不了当前业务；
• 误区三："只看均值"——尾部 P95 才是体验真相。

五、总结

TikTok 链路质量基线的核心是"用历史数据定义正常"，让异常检测有标尺而非拍阈值。固定阈值分不清峰谷、基线才是相对偏离的参照。五个构建要素——时段、延迟、丢包、带宽、抖动——里分位值 P50/P95 比均值更靠谱、基线要每日滚动而非写死。异常检测三策略是相对基线偏离、突变检测、多指标联合，其中联合判断能显著降低误报。三个误区是一条阈值管全天、基线越久越准、只看均值。需要了解各区域 TikTok 出口的延迟与丢包历史区间以便建立基线时，可到 tiktokjiasu.com 的节点专区查看说明。

如果你在为 TikTok 链路建立质量基线与异常检测，可访问 tiktokjiasu.com 查看各区域节点的延迟、丢包与带宽历史区间，据此按小时分桶计算你各出口的 P50/P95 基线并设定相对偏离阈值；实际配置与价格以官网实时页面为准，建议先用分位基线替代固定阈值、再叠加突变检测与多指标联合，让 TikTok 告警从"天天误报"变成"偏离才报"。