TapCub 正式上线:统计、分析、客服一个平台免费用
术语表

错误率:公式、口径变体和告警阈值怎么定

错误率是错误数除以选定的总量——浏览量、会话、访客或请求。同一周的数据,按分母不同可以读出 0.9%,也可以读出 3.75%。本文给出公式、可复算的算例、口径对照和 SRE 的阈值方法。

陈屿 审核人 卢卡斯·海斯 又称 失败率 最后更新 2026 年 11 月 16 日 术语表

一句话回答

错误率是一个时间窗口内错误数占选定总量的比例:错误数 ÷ 分母 × 100。分母——浏览量、会话、访客或请求——决定这个数字的含义,所以对比错误率或设告警之前,先把分母写清楚。

公式: 错误率 = 错误数 ÷ 浏览量(TapCub 定义);变体:错误次数 ÷ 浏览量、出错浏览量 ÷ 总浏览量、失败请求 ÷ 总请求、1 − 无崩溃会话 ÷ 总会话、坏事件 ÷ 有效事件(SLI)

什么是错误率?

在监控里,错误率是一个时间窗口内,错误数占选定总量的比例:错误数 ÷ 分母 × 100。关键在于分母。同一周的数据,可以读出「按浏览量 0.9%」「3.75% 的会话受影响」「3% 的接口请求失败」——三个数都对,但它们是三个不同的指标。只写「错误率」三个字,说明不了在量什么。先给分母命名,再去对比报表、定目标、配告警。「先定分母,再定阈值」,就是本文要讲清楚的事。

错误率到底在量什么

Google SRE Book 把服务水平指标(SLI)定义为一个比值:好事件数 ÷ 有效事件总数。错误率是它的反面——坏事件数 ÷ 事件总数——所以数字有意义之前,先要做两个决定:

  • 什么算错误(分子)。错误发生的次数?至少撞过一次错误的会话数?失败的 HTTP 请求数?这些是不同的计数,不能互换:一个访客可能把同一个缺陷触发几十次。
  • 除以什么(分母)。浏览量、会话、访客还是请求,回答的是不同的问题:网站有多吵、多少访问出了问题、多少人受影响、接口有多可靠。

命名规则:报表和告警里不要写光秃秃的「错误率」,写成「错误率(按浏览量计次数)」或「受影响会话占比」。仪表盘上的错误率没标分母,先问清再比较:两个工具都报「2%」,量的可能完全是两回事。

错误率公式和可复算的算例

通用公式:

错误率(%)= 错误数 ÷ 分母 × 100

TapCub 错误页的定义是固定的:错误率 = 脚本错误数 ÷ 浏览量。别的工具固定的是别的分母——所以下面那张变体对照表才重要。

示例数据:某网站一周有 50,000 次浏览量、8,000 个会话、6,000 名访客、40,000 次接口请求。监控记录到 450 次 JavaScript 错误,波及 300 个会话、240 名访客;接口有 1,200 次请求失败。

分子分母计算比率
450 次 JS 错误50,000 次浏览量450 ÷ 50,0000.9%
300 个受影响会话8,000 个会话300 ÷ 8,0003.75%
240 名受影响访客6,000 名访客240 ÷ 6,0004%
1,200 次失败接口请求40,000 次请求1,200 ÷ 40,0003%

同一周,四个「错误率」,从 0.9% 到 4%。按浏览量算的数看着让人放心;按会话算的数则说明大约每 26 次访问就有 1 次撞上错误。两个都成立——它们回答的是不同的问题。

光是分母就能让数字差十倍:同样 50 个错误,÷ 10,000 次浏览量 = 0.5%,÷ 1,000 次浏览量 = 5%。缺陷完全相同的低流量页面和高流量页面,报出来的错误率会差得很远。错误还会扎堆:450 次 ÷ 240 名受影响访客 ≈ 人均 1.9 次,所以按次数算会高估问题的覆盖面,同时低估它对真正撞上的那批人的伤害。

你的场景该用哪种错误率

变体分子分母什么算错误
前端 JS,次数口径(TapCub 的定义)JS 错误发生次数浏览量每次浏览量里捕获到的脚本错误
前端 JS,受影响浏览量口径(阿里云 ARMS 官方文档采用这种定义)至少出错 1 次的浏览量总浏览量一次浏览量不管抛几个错误都只计 1 次
接口错误率失败请求数总请求数4xx 客户端错误算不算、还是只算 5xx 服务端错误,由你先定
App 稳定性无崩溃会话数或用户数总会话数或总用户数反向口径:报好的占比,见无崩溃率
服务 SLI坏事件数有效事件总数按服务在 SRE Book 里逐一定义(如失败与成功的 RPC 之比)

跨工具比数字之前,前端还有两个坑:

  • 覆盖范围不同。按 MDN 的说明,error 事件捕获同步脚本错误和资源加载失败;未处理的 Promise 拒绝走的是另一个 unhandledrejection 事件。只监听 error 的工具会漏掉每一个被拒绝的 Promise,它的「JavaScript 错误率」天然偏低。
  • 次数和受影响单元不同。300 次出错浏览量上发生 450 次错误:按次数口径是 50,000 次浏览量的 0.9%,按受影响浏览量口径是 0.6%。两种都不算错;错的是拿一家的次数口径去比另一家的受影响口径。

让错误率失真的常见误区

  1. 把次数和受影响单元混着用。分子数的是错误次数,结论却写成「受影响用户占比」,请停下——次数会在同一个人身上重复。要说「人」,分子就用受影响会话数或访客数。
  2. 跨页面、跨服务平均比率。把 0.5% 的页面和 5% 的页面平均成「2.75%」,只要两边流量不同就会误导——真实比率由高流量页面主导。分子各自求和、分母各自求和,再除一次。
  3. 把所有 4xx 都算失败。预期内的客户端错误(输错网址的 404、登录前的 401)把接口错误率抬高了,就事先定好哪些状态码算错误并写进文档;MDN 的状态码参考把客户端与服务端错误分开,正是为了这个。相反,500 错误一定是服务端的失败,应当计入。
  4. 在小分母上设告警。每小时只有 10 次请求的页面,失败 1 次就是 10%。加最小错误数条件——错误率超阈值且错误数 ≥ 50——小样本就叫不醒任何人。
  5. 拿采样数据直接算率。采样后的错误数除以未采样的浏览量(或反过来),得出的率是错的。分子分母取自同一份数据,或按同一比例还原。

错误率告警阈值怎么定

「多少算正常」没有有出处的通用答案——结账接口和营销博客的容忍度不一样。别抄基准数字,用 SRE 的方法:

  1. 先量 30 天基线:用命名了分母的口径,把发版、活动带来的正常尖峰也包含进去。
  2. 定 SLO,推出错误预算。SRE Book 把预算定义为 1 − SLO。基线 0.9%,SLO 定成「至少 99% 的浏览量无错误」,预算就是 1%——只比常态高一点点,所以目标要定在基线撑得住的位置。
  3. 按预算消耗速度告警,而不是按裸尖峰。SRE Workbook 的告警章推荐燃烧率(burn rate)告警,用多个时间窗口过滤噪声。起始规则:错误率持续高于 2%(约为示例基线的两倍)且窗口内错误数 ≥ 50 时告警——示例阈值,按自己的基线调。
  4. 启用前先试运行。把规则回放过去 30 天,数一数会触发几次;正常流量下每周都触发,就放宽。

更完整的监控体系见网站性能监控;想让阈值自适应,见异常检测和设置流量告警。

错误率和转化:一次修复的前后对照

示例数据,接着上面那一周:450 次错误里,结账页一个 TypeError 分组占 300 次。它独占影响了 210 个会话;另外 90 个受影响会话还撞了别的错误,修完这个分组后它们仍算受影响。

  • 修复前:450 ÷ 50,000 = 按浏览量 0.9%;300 ÷ 8,000 = 3.75% 的会话受影响。
  • 修复上线后:次数减少 300,150 ÷ 50,000 = 0.3%;受影响会话减少 210,90 ÷ 8,000 = 1.125%。
  • 结账目标,同样按会话算:修复前一周转化 256 ÷ 8,000 = 3.2%;修复后一周 304 ÷ 8,000 = 3.8%。

转化随修复一起动了,但这是相关,不是证明——两周之间季节、活动、流量结构也在变。把它当佐证,别当 A/B 实验结论。撇开保留项仍然成立的判断规则:错误次数集中在转化路径页面上时,先修这些分组,再去追散在低风险页面上的同样数量。

在 TapCub 里怎么看错误率

把示例那一周放进 TapCub:卡片上写着 0.9%,你想知道影响了谁、要不要设告警。分四步,每一步都先说清分母:

  1. 带着分母读卡片。打开监测 › 错误。卡片显示错误数、错误率(错误数 ÷ 浏览量)、受影响访客和受影响会话;示例那一周是 450 次错误、0.9%、240 名访客、300 个会话。这里的错误率按浏览量算,不是按请求或会话。脚本错误要求安装片段带 data-errors="true",默认片段已经带上;如果有人关掉了「JavaScript 错误」开关,页面空着不代表线上没出错。详见查找 JavaScript 错误。
  2. 找出造成损失的那一组。每组错误显示次数、涉及会话和最后出现时间,那个 300 次的结账页 TypeError 会很显眼。展开它能看到每一次发生的时间、页面、位置、设备和会话,再打开会话看访客出错前做了什么。
  3. 用状态推进修复。分组状态分活跃、已解决、已忽略。修复上线后把结账那一组标为已解决,它就移出活跃列表;再看下一周的卡片:示例里按浏览量从 0.9% 降到 0.3%,受影响会话从 3.75% 降到 1.125%。
  4. 对内置指标告警。在全端分析 › 智能运营 › 监控里,对内置的 error_rate(或 errors)设监控,粒度可选小时、天、周、月。先试运行,看过去 30 天会触发几次。同一条规则默认约 60 分钟内不重复通知,连续命中 3 次后暂停;它只通知,不会替你做任何操作。阈值按上文的基线方法来定。

边界:错误页的分母固定为浏览量。想按会话看转化路径,全端分析 › 经营分析 › 旅程地图会对每个按页面规则定义的阶段,给出出现错误事件的会话占该阶段会话的比例,并和流失放在一起看,「受影响会话」这个问题也有了着落。按请求算的接口失败率 TapCub 不计算,要从你的服务器或 APM 里取。TapCub 没有 Apdex 分(见 Apdex),不做 A/B 测试,监控也不会回滚发布。

另见:什么是 JavaScript 错误?类型、影响和排查优先级。

另见:什么是用户错误?含义、成因,以及如何区分用户错误和糟糕的设计。

资料来源

这个解释清楚吗?

我们会根据反馈修改和补充这篇内容。

陈屿

技术工程师

专注统计代码、SDK 与接口集成文档,从接入验证到问题排查,帮助开发者更顺畅地完成实施。

常见问题

常见追问

大家看完定义后最常问的几个问题。

还有其他问题?

直接和 TapCub 团队聊聊——工作日通常几小时内回复。

错误率怎么计算?

用错误数除以命名了的分母,再乘 100:错误率 = 错误数 ÷ 分母 × 100。示例周里 450 次 JavaScript 错误 ÷ 50,000 次浏览量 = 0.9%。同一批错误按会话算是 300 ÷ 8,000 = 3.75%,按失败请求算是 1,200 ÷ 40,000 = 3%,所以报数时必须写明分母。

错误率多少算正常?

没有有出处的通用数字,容忍度取决于错误破坏了什么。用命名了分母的口径量 30 天基线,定一个基线撑得住的 SLO,把 1 − SLO 当错误预算——这是 Google SRE Book 的方法。预算消耗过快时告警,而不是见尖峰就叫。

错误率和可用性是一回事吗?

它们在同一分母下互补,但不是同一个指标。SRE Book 把可用性类 SLI 定义为好事件 ÷ 有效事件;错误率是坏事件 ÷ 总事件。99% 无错误的 SLI 意味着同口径下 1% 的错误率——但按浏览量算的 JS 错误率说明不了接口的可用性。

错误率很低,为什么用户还在投诉?

因为错误分布不均。示例周按浏览量算是 0.9%,但 3.75% 的会话撞过错误,450 次 ÷ 240 名受影响访客 ≈ 人均 1.9 次:少数人在出问题的页面上反复撞见它。别只看次数,去看受影响会话数或访客数。

在你自己的网站上看这个数字

加一行脚本就能开始,网站和 App 都能接,几分钟内就能看到第一批报表。

看清数据,找到增长。

每一次点击,都有数据依据。装好一行代码,1 分钟看到第一批数据。

无需信用卡 · 统计与客服都有免费版 · 统计无 Cookie