补全:出过错的请求
补全 failed_reqs：出过 ERROR 的请求 id（去重排序）。 贯穿本节的运维模型（判题机纯 Python、无网，这是它的确定模型，见 spine.py）：服务上线后靠日志/指标/健康/告
补全:首个出错的请求
补全 first_bad：第一条 ERROR 是哪个请求（req）引发的。 贯穿本节的运维模型（判题机纯 Python、无网，这是它的确定模型，见 spine.py）：服务上线后靠日志/指标/健康/告
补全:首个错误的行号
补全 root_line：第一条 ERROR 在第几行（从 1 数）。 贯穿本节的运维模型（判题机纯 Python、无网，这是它的确定模型，见 spine.py）：服务上线后靠日志/指标/健康/告警盯
首个错误在第几行
按模型，四行里第 2 行是 ERROR，root_line(lines) 交回几？ 贯穿本节的运维模型（判题机纯 Python、无网，这是它的确定模型，见 spine.py）：服务上线后靠日志/指标/
为什么要按时间窗看
排障时圈定一个时间窗来看日志，是为了【0】。 贯穿本节的运维模型（判题机纯 Python、无网，这是它的确定模型，见 spine.py）：服务上线后靠日志/指标/健康/告警盯住它。 从日志定位：每行
请求 id 有什么用
每条日志带上同一个请求 id，排障时能【0】。 贯穿本节的运维模型（判题机纯 Python、无网，这是它的确定模型，见 spine.py）：服务上线后靠日志/指标/健康/告警盯住它。 从日志定位：每行
排障先从哪下手
服务出故障，顺着日志排障通常先【0】。 贯穿本节的运维模型（判题机纯 Python、无网，这是它的确定模型，见 spine.py）：服务上线后靠日志/指标/健康/告警盯住它。 从日志定位：每行 {&q
补全:取分位延迟
补全 percentile：已排序延迟列表的第 p 百分位。 贯穿本节的运维模型（判题机纯 Python、无网，这是它的确定模型，见 spine.py）：服务上线后靠日志/指标/健康/告警盯住它。 指
补全:算错误率
补全 error_pct：错误率百分比 = 错误数 * 100 // 总数。 贯穿本节的运维模型（判题机纯 Python、无网，这是它的确定模型，见 spine.py）：服务上线后靠日志/指标/健康/
补全:数错误请求
补全 errors：数有几个 5xx 请求（status >= 500）。 贯穿本节的运维模型（判题机纯 Python、无网，这是它的确定模型，见 spine.py）：服务上线后靠日志/指标/健