本文目录导读：
在Java案例（Case Study）分析中，最值得重点关注的指标取决于分析目的（性能调优、故障排查、代码质量、系统稳定性等），但综合来看，以下几类指标最值得优先关注：
性能类指标（最核心）
| 指标 | 说明 | 关注原因 |
|---|---|---|
| 响应时间（RT / Latency） | P50、P95、P99、P999 | 平均值会掩盖长尾问题，P99 直接反映用户体验 |
| 吞吐量（TPS/QPS） | 每秒事务/请求数 | 衡量系统处理能力 |
| 并发数 | 同时处理的请求数 | 与 RT、TPS 共同构成性能三角 |
| CPU 使用率 | 用户态/系统态/iowait | 判断是否计算密集或阻塞 |
| 内存占用 & GC 频率 | 堆/非堆、Young/Old GC 次数与耗时 | Java 特有，GC 停顿常是性能杀手 |
Java 特别关注：GC 日志中的 Full GC 次数、单次 STW 时长、晋升速率。
稳定性与可用性指标
- 错误率（Error Rate）：HTTP 5xx、异常抛出率
- 可用性（SLA）：如 99.9%、99.99%
- 超时率 / 熔断降级次数
- 线程池状态：活跃线程、队列长度、拒绝次数（Java 线程池是重灾区）
- 连接池指标：DB 连接池（HikariCP）、Redis 连接池的等待时间与耗尽情况
资源与 JVM 指标（Java 特有）
| 指标 | 关注点 |
|---|---|
| 堆内存使用曲线 | 是否持续上涨（内存泄漏信号） |
| GC 类型与耗时 | CMS/G1/ZGC 表现差异 |
| 线程数 & 死锁 | jstack 排查 |
| 类加载数量 | 元空间溢出风险 |
| 直接内存 / Netty 堆外内存 | OOM 常见来源 |
| 文件描述符 / Socket 数 | 连接泄漏 |
业务类指标
- 核心接口成功率
- 订单/支付等关键链路转化率
- 缓存命中率（Redis/本地缓存）
- 消息队列堆积量（Kafka Lag）
代码质量指标（若案例是代码评审类）
- 圈复杂度
- 重复代码率
- 单元测试覆盖率
- 静态扫描告警数（SonarQube）
优先级建议（实战排序）
如果只能选 5 个 最值得关注的：
- P99 响应时间 — 用户体验的直接体现
- 错误率 — 系统是否健康
- GC 停顿时间 & Full GC 频率 — Java 性能核心
- CPU + 内存使用率 — 资源瓶颈定位
- 线程池/连接池饱和度 — 雪崩前兆
总结一句话
Java 案例中，最值得盯的是「P99 延迟 + 错误率 + GC 表现 + 线程/连接池饱和度」这四组指标——它们能覆盖绝大多数性能与稳定性问题，而 CPU、内存、TPS 等则是辅助定位根因的二级指标。
如果你能告诉我具体案例类型（比如电商秒杀、支付系统、微服务调优），我可以给出更精准的指标清单。
