RUM 前端性能告警阈值怎么从「拨测基线」反推：采样率选多大、P99/P75 告警分位怎么定，才既不漏报低劣化又不被噪声打爆值班？

背景

8 年前端，负责一个 B 端 SaaS（约 200 个路由、日活 3w+）的性能可观测。现状是双通道：

• 合成拨测：固定机型/网络/地区，每天 4 轮，数据干净稳定，LCP P99 ≈ 1.8s；
• RUM：全量会话采样 10%，LCP P75 长期 2.1s、P99 约 5.2s，但 P99 曲线噪声极大，同版本不同小时能差 2s+。

现象

1. 拨测连续两周 LCP P99 从 1.8s 缓升到 2.4s（劣化 33%），但 RUM 的 P75 几乎没动（2.1s → 2.18s），RUM P99 也淹没在噪声里没触发任何告警——劣化只打中了尾部，头部指标完全没反映；
2. 反过来，有一次 RUM P99 单日尖峰 12s，排查后是某运营商凌晨 DNS 解析抖动，属环境噪声，不该叫醒值班；
3. 现在告警规则是「RUM P75 连续 30min > 3s」，结果两个问题：对 #1 这种尾部劣化漏报，对 #3 这种环境噪声误报。

已尝试的排查与结果

1. 提高采样率：从 10% 提到 50%，P99 样本量从 ~300/天/路由 提到 ~1500，噪声确实小了，但上报带宽成本涨了 5 倍，产品侧不同意全量 100%；
2. 按维度下钻：RUM 数据按 connection.type（4g/5g/wifi）、deviceMemory、navigator.platform 分桶，发现劣化主要打中 4g + 低内存（≤4GB）桶——但拨测里没有这个维度，两边根本没法对齐；
3. 用 P75 替代 P99 做告警：Web Vitals 官方口径，但 #1 那种「只劣化尾部」的场景 P75 天然不敏感；
4. 拨测加低端机：拨测矩阵加了 1 台 4GB RAM 的 Android 10 设备，LCP 劣化立刻可见（1.8s→3.9s），但拨测矩阵扩到 6 台后成本翻倍，且仍覆盖不了真实网络分布。

核心卡点（想问的）

1. 采样率怎么定：给定「想可靠捕捉 P99 劣化 ≥ 20%、且单路由日活 ≥ 1w」的约束，RUM 采样率有没有一个可推导的下限公式？（我目前只能拍脑袋在 10%~50% 之间选）
2. 告警阈值怎么从拨测基线反推：拨测 P99 = 2.4s（低端机），RUM P99 天然高于拨测（真实网络更差），这个「倍率」怎么估？有没有「拨测 P99 × k = RUM 告警阈值」的 k 值经验值，k 怎么定才不漏报也不误报？
3. 双通道怎么分工：拨测做「趋势预警」（对慢劣化敏感）、RUM 做「绝对值兜底」（对突发劣化敏感）——这个分工有没有更细的落地姿势？比如拨测用「周环比 Δ」做预警、RUM 用「分桶 P99 + 样本量下限」做告警？
4. 分桶告警的粒度：按 connection.type × deviceMemory 分桶后，小桶（如 4g + 2GB，日活可能只有 200）样本量不够，这类桶该用「更长窗口 + 更宽阈值」还是直接放弃独立告警、只进大盘？

期望得到的答案形态

• 采样率下限的推导逻辑（哪怕给个「P99 样本量 ≥ N」的经验值 + 理由）；
• 拨测→RUM 倍率 k 的估算方法或经验区间；
• 双通道分工的具体规则模板（阈值 + 窗口 + 分桶粒度），最好能直接抄进告警配置；
• 踩过的坑：哪种分桶组合是「看似精细实则噪声源」。

参考

• #750 讨论过 RUM vs 拨测谁当主信号，但没落到「阈值怎么定」这一层；
• #1606 讨论过前后端 SLO 口径冲突，我这里是「拨测 vs RUM 同端两套口径」的类似问题。