1. SLOperator 概述：项目背景、核心功能与生态定位
SLOperator 是一个基于 Kubernetes Operator 模式构建的 服务等级目标（SLO）全生命周期管理组件。它允许平台团队以声明式 YAML 定义 SLO 规则，由 Operator 自动完成指标采集、合规计算、告警触发与状态报告，从而将 SRE 实践中的“错误预算”理念真正落地到 Kubernetes 原生环境。
1.1 项目背景：为什么需要 SLOperator？
在云原生架构中，微服务数量激增，传统手工配置 Prometheus 告警规则的方式暴露出三个核心痛点：
- 告警规则与 SLO 脱节：多数告警基于静态阈值（如 CPU > 80%），而非基于错误预算消耗速率，导致告警风暴与真实可用性偏离。
- SLO 定义分散：SLO 目标散落在文档、监控面板、告警配置中，缺乏统一的版本化管理和自动化校验。
- 缺乏闭环反馈：SRE 团队难以快速回答“当前错误预算还剩多少”“多快会耗尽”等关键问题。
核心洞察：SLOperator 将 SLO 从“事后分析”转变为“运行时约束”，使错误预算成为 Kubernetes 集群中的一等资源对象。
1.2 核心功能矩阵
| 功能模块 | 说明 | Kubernetes 资源类型 |
|---|---|---|
| SLO 声明式定义 | 通过 CRD 定义服务等级目标，支持滑动窗口、多指标复合、自定义合规周期 | SLO (CRD) |
| 错误预算计算 | 基于 Prometheus 指标实时计算剩余错误预算，支持 SLI 指标缺失检测 | ErrorBudget (CRD) |
| 多窗口告警 | 支持“预算快速燃烧”与“预算缓慢燃烧”双窗口告警策略，减少告警抖动 | AlertRule (CRD) |
| 状态报告 | 将 SLO 合规状态、燃烧速率、剩余时间以 Status 字段暴露，供 HPA/调度器消费 | 内置 Status 子资源 |
| 多集群聚合 | 支持跨集群 SLO 视图，统一查看全局错误预算 | SLOView (CRD) |
1.3 与 Prometheus Operator 的关系
SLOperator 不是 Prometheus Operator 的替代品，而是其上层补充。两者在监控栈中的分工如下：
- Prometheus Operator：负责 Prometheus 实例的部署、ServiceMonitor 配置、告警规则管理，属于指标采集与告警引擎层。
- SLOperator：负责将原始指标转化为 SLO 语义，计算错误预算，驱动燃烧告警，属于SLO 编排与决策层。
集成方式：SLOperator 通过 Prometheus HTTP API 查询 SLI 指标，无需修改 Prometheus Operator 配置；同时 SLOperator 生成的燃烧告警规则可以写入 PrometheusRule CRD，由 Prometheus Operator 统一加载。
1.4 核心工作流程
- 定义 SLO：SRE 创建
SLOCR，指定 SLI 指标查询语句、目标值（如 99.9%）、窗口大小（如 30 天）。 - 指标采集：Prometheus Operator 管理的 ServiceMonitor 采集应用指标，存入 Prometheus 实例。
- 预算计算：SLOperator 定期查询 Prometheus，计算合规事件数与总事件数，得出剩余错误预算。
- 燃烧检测：当错误预算消耗速率超过阈值（如 10%/小时），SLOperator 生成燃烧告警规则并写入 PrometheusRule。
- 状态暴露：SLOperator 将预算剩余百分比、预计耗尽时间写入
ErrorBudgetCR 的 Status 字段。
常见误区：SLOperator 不直接发送告警通知（如 PagerDuty、Slack），它只负责生成燃烧告警规则。告警路由与通知由 Alertmanager 处理，这是职责分离的设计原则。
1.5 关键设计原则
| 原则 | 说明 | 实现方式 |
|---|---|---|
| 声明式 API | 用户只描述期望的 SLO 状态，Operator 负责调和 | Kubernetes CRD + Controller 模式 |
| 无侵入采集 | 不修改应用代码，不注入 Sidecar | 复用已有 Prometheus 指标 |
| 燃烧告警优先 | 基于错误预算消耗速率而非静态阈值 | 多窗口燃烧速率算法 |
| 可观测性自描述 | Operator 自身暴露 Prometheus 指标和结构化日志 | Controller Runtime 指标 + 结构化日志 |
调试切入点：在后续课程中，我们将重点调试 Reconciler 循环中的指标查询逻辑、错误预算计算精度以及燃烧告警规则的生成条件。掌握 SLOperator 的整体架构是高效调试的前提。