2. SLO 预算定义：错误预算的概念、计算公式与消耗机制

错误预算（Error Budget）是 SLO 驱动运维的核心量化工具。它将抽象的“可靠性目标”转化为一个可消耗、可追踪的数值指标，让团队能够基于数据做出发布、回滚、暂停变更等决策。本节从概念、计算公式、消耗速率和窗口期四个维度展开。

2.1 错误预算的核心概念

错误预算定义为：在 SLO 时间窗口内，系统允许发生故障或性能降级的总时间（或总事件数）。它本质上是“不可用预算”——只要消耗未超限，服务就处于 SLO 合规状态。

2.2 错误预算的计算公式

错误预算的计算分为两个步骤：预算总量计算和实时消耗计算。

2.2.1 预算总量公式

ErrorBudget_total = TotalTime_window × (1 - SLO_target)

其中：
  TotalTime_window = 窗口期总时长（秒）
  SLO_target      = 目标可用性（小数形式，如 0.999）

示例：对于 99.95% SLO、7 天窗口：

TotalTime_window = 7 × 24 × 3600 = 604,800 秒
ErrorBudget_total = 604,800 × (1 - 0.9995) = 604,800 × 0.0005 = 302.4 秒 ≈ 5 分钟

2.2.2 实时消耗公式

消耗量基于 SLI（服务等级指标）的实际测量值计算：

ErrorBudget_consumed = TotalTime_window × (1 - SLI_actual)

其中：
  SLI_actual = 当前窗口内实际测量的可用性（小数形式）

剩余预算：

ErrorBudget_remaining = ErrorBudget_total - ErrorBudget_consumed

2.3 预算消耗速率

消耗速率（Burn Rate）衡量错误预算被消耗的快慢程度。它是 SLO 告警和预算复核的关键指标。

消耗速率计算公式：

BurnRate = ErrorBudget_consumed / (ElapsedTime × (1 - SLO_target))

简化理解：
  BurnRate = 实际消耗速度 / 允许消耗速度

当 BurnRate > 1 时，表示当前故障率已经超过 SLO 允许的长期平均值，预算正在加速消耗。

2.4 预算窗口期

窗口期（Window Period）是 SLO 评估的时间跨度，直接影响错误预算的敏感度和稳定性。

2.5 复合窗口策略在 GitOps 中的应用

在 GitOps 驱动的 SLO 预算复核中，单一窗口无法同时满足“长期趋势稳定”和“短期故障敏感”的需求。推荐使用复合窗口策略：

• 长期窗口（30 天滚动）：用于计算错误预算总量，决定是否允许重大版本发布。
• 短期窗口（1 小时滚动）：用于快速检测突发故障，触发紧急复核和变更冻结。
• 中期窗口（7 天滚动）：用于周度预算复核，评估本周变更对可靠性的影响。

2.6 错误预算与 GitOps 复核的联动机制

在 GitOps 工作流中，错误预算状态直接驱动复核决策：

1. 监控层：Prometheus + SLO 生成器持续计算错误预算和消耗速率，写入指标存储。
2. 状态同步层：Operator 定期将错误预算状态同步到 Git 仓库的 slo-status.yaml 文件。
3. 复核决策层：ArgoCD / Flux 的 PreSync 钩子读取该文件，判断是否允许当前变更。
4. 通知层：当预算消耗速率超过阈值或剩余预算低于警戒线时，自动触发 Slack / PagerDuty 通知。