Pytorch图像去噪实战（六十七）：服务监控实战，记录QPS、耗时、错误率和模型调用次数

一、问题场景：服务上线后，只知道能访问，不知道跑得好不好

图像去噪服务上线后，最怕的是“黑盒运行”。

用户说慢，你不知道慢在哪。
用户说失败，你不知道失败率多少。
GPU占满了，你不知道是哪类请求导致的。

所以服务必须有监控。

至少要知道：

• 请求量
• 平均耗时
• 最大耗时
• 错误次数
• 模型调用次数
• 图片尺寸分布
• 不同模型耗时
• 当前服务是否健康

二、本文实现目标

我们先实现一个轻量级监控方案，不引入 Prometheus。

记录：

total_requests success_requests failed_requests avg_latency model_call_count

并提供接口：

GET /metrics

三、工程目录结构

m