一、先把指标分成三类
评估调度效果，指标可以归入三类。第一类是资源效率类，回答"这批资源被用到了什么程度"，包括算力利用率、线性加速比、装箱率与碎片率、网络带宽利用率、存储命中情况。第二类是任务体验类，回答"使用者等了多久、跑得顺不顺"，包括排队时长、调度响应时长、任务启动成功率、有效运行时间占比、中断次数与恢复时长、结果一致性，在线侧还包括首字延迟与吞吐。第三类是成本与能效类，回答"花了多少钱、耗了多少电"，包括单位产出成本、计费时长与实际运行时长的对应关系、能耗水平。
三类指标要一起看。只看资源效率会牺牲体验——利用率很高，可能是靠让任务长时间排队换来的；只看体验又会浪费资源——人人秒级启动，资源池必然大量闲置。
二、资源效率类看什么
算力利用率，也就是常说的有效算力比例，衡量的是实际用于计算的算力占峰值算力的比例。它是判断训练效率的核心指标：利用率低，说明大量算力被通信、等待与空转消耗掉了。公开实践中，大规模集群的这一指标通常在五成上下，经过调度与并行策略优化后，七百亿参数规模的模型在万卡规模下可以做到四成以上并处于业界靠前的位置。
线性加速比衡量的是规模扩展的效率：卡数翻倍，总有效算力能提升多少。理想状态是接近百分之百，实践中做到九成以上已属不错。若加速比明显偏低，说明规模增加带来的收益被通信开销吃掉了，应从互联带宽、切分策略与拓扑安排上找原因。
装箱率与碎片率反映资源是否放得下：明明总量够用，任务却排不上队，多半是碎片问题。带宽利用率与存储命中则反映数据供给是否跟得上，供给不足时算卡会长时间等待。
三、任务体验类看什么
排队时长，即从任务提交到拿到资源的时间，这是使用者感知最直接的一项。调度响应时长衡量调度器做一次决策要多久，规模越大越关键，行业公开资料中常把秒级作为参考值。任务启动成功率衡量提交之后能否顺利跑起来，失败率高说明资源匹配或环境准备环节有问题。
有效运行时间占比很能说明问题：一个任务占用资源十小时，其中真正在推进进度的时间有多少？若大量时间花在环境准备、数据等待与故障重跑上，调度体系就算不上高效。中断次数与恢复时长则直接反映容错能力——公开案例中，三十二张卡的分布式训练在传统环境下每周平均遇到一到两次故障，每次损失三到四小时；具备自动检测与恢复能力后，单次恢复时间约十分钟，一个月累计损失不到一小时。
结果一致性同样要纳入：同一模型在不同节点上跑出的结果应当一致，若出现偏差，说明调度或环境存在差异。在线侧则看首字延迟、生成速度与并发能力，这些是业务可感知的指标。
四、成本与能效类看什么
单位产出成本是最有说服力的一项：完成一次训练、处理一万条请求，花了多少卡时、多少钱。把这项指标按周铺开，调度优化的效果一目了然。计费时长与实际运行时长的对应关系也值得核对——若两者长期存在明显差额，说明有相当一部分支出花在了等待与空转上。能耗方面，可以关注单位算力的电力消耗与整体能效水平，这也是绿色算力的通行考核项。
行业公开资料中给出的参考区间是：通过资源池化与智能调度，整体资源利用率可从三到五成提升到六成以上，用户成本平均下降两到三成；算力度量误差控制在百分之三以内，训练时长预估误差控制在百分之十以内，推理时长预估误差控制在百分之五以内。这些数字不宜直接照搬，但可以作为衡量自身优化幅度的参照。
五、怎么建立基线与对比
測量的关键是可比。建议按四步做。第一步，选固定任务集：挑三到五个代表性任务，覆盖训练、微调、批处理推理与在线服务，参数与数据固定下来，作为长期标尺。第二步，先测基线：在现有调度方式下跑一遍，记录排队时长、运行时长、中断次数、恢复时长与资源消耗，形成第一份基线数据。第三步，对照测试：在相同的任务集上切换调度策略或编排目标，再跑一遍，逐项对比。第四步，滚动复盘：每月把任务体验类与成本类指标摊开看一次，找出占比最高的损耗项，下月针对性改进。
网络侧的指标也要单独测。跨域调度时，节点间的带宽、时延、抖动与丢包会直接影响训练同步与在线响应。行业在城域场景下提出的参考值是：算力中心之间互连时延控制在一毫秒级，重点场所接入时延控制在一毫秒级，应用端到端网络时延控制在十毫秒级。这些值可以作为评估跨域方案是否可行的锚点。
六、几个容易得出错误结论的误区
其一，只看峰值利用率。资源池长期满载并不代表体验好，可能只是排队时间被隐藏了。其二，只看单卡指标。大规模训练的效率取决于互联与协同，单卡跑分高说明不了集群水平。其三，忽略等待时间。排队、环境准备、数据搬运往往比纯计算更耗时，漏掉这部分会高估优化效果。其四，忽略重跑损失。中断后从上一个检查点恢复的步数是隐性成本，必须计入。其五，被均值掩盖长尾。整体时延改善了，但最慢的那批任务可能更慢了，应同时看长尾分位值。其六，忽略跨域网络质量。任务调度到了算力便宜的节点，却因为带宽不足导致同步缓慢，账面上省了钱，实际总耗时反而上升。
结语
算网融合调度的效果，可以用三类指标看清：资源效率看算力利用率、线性加速比与碎片情况，任务体验看排队时长、启动成功率、有效运行占比与中断恢复，成本能效看单位产出成本与计费对应关系。测量的关键是固定任务集、先测基线、再做对照、滚动复盘，并始终把等待与重跑这两项隐性时间计入。避开"只看峰值、只看单卡、只看均值"这几个误区，调度优化带来的提升就能从"好像快了"变成一份说得清、可复核的数据。
