max_over_time(node_cpu_seconds_total{mode="user"}[1m])
quantile_over_time(0.95, http_request_duration_seconds[5m])
用户反馈每小时有两次卡顿，每次持续 30 秒。Grafana 上 CPU 使用率那条线一直在 40% 上下，拉长到 6 小时看不到任何凸起。同一时段应用的 P99 耗时确实到了 3 秒。先别急着动参数，把报错原文和时间点记下来，顺序反了容易白折腾。
原因不复杂，面板用的是 avg_over_time 加 5 分钟窗口，30 秒的峰值被摊到 300 秒里，涨幅只剩六分之一。采集间隔 15 秒，短尖刺本来就只落两三个点。平均值这条线天生不适合看突发。
「聚合窗口掩盖尖刺」确认了原因之后，改动尽量只碰那一处，顺手改的东西后面最容易出问题。改动写完就同步给同事，下一个人踩同一个坑，成本还是你的。
验证用真实数据走一遍，测试数据太干净，边界情况根本碰不到。
处理上按这个顺序：改用 max_over_time 或直接看原始采集点；把 step 调到和抓取间隔一致 保住分辨率；给关键指标加一条 P95 和峰值的曲线 分开展示；用压测造一次 30 秒尖峰 验证面板能看到。
改完只确认一件事：压测造出的 30 秒尖峰在面板上能看到明显凸起，峰值接近 95%。