2. 核心概念

在深入 IaC 变更的 SLI 口径漂移校准之前，必须统一团队对四个核心术语的认知。这些概念构成了可观测性工程与 SRE 实践的基石，也是后续所有校准动作的数学与逻辑依据。

2.1 SLI（服务等级指标）定义

SLI（Service Level Indicator） 是对服务某个特定维度质量的直接量化测量值。它不是目标，而是原始观测数据。在 IaC 变更场景中，SLI 通常围绕变更的成功率、延迟和覆盖率来定义。

2.2 SLO（服务等级目标）定义

SLO（Service Level Objective） 是为 SLI 设定的目标阈值。它回答了“我们的服务需要多好？”的问题。SLO 是一个承诺边界，通常以“在某个时间窗口内，SLI 达到某个百分比”的形式表达。

在 IaC 变更场景中，SLO 的典型表达方式为：

# 示例：SLO 定义（YAML 格式）
slo:
  name: "IaC 变更成功率 SLO"
  sli: "变更成功率"
  target: 99.9%          # 目标值
  window: "28_days"      # 滚动窗口
  compliance: "rolling"  # 合规计算方式

2.3 错误预算

错误预算（Error Budget） 是 SLO 的衍生概念，定义为 1 - SLO。它代表了服务在特定时间窗口内允许失败的总量。错误预算将“可靠性”转化为一种可消耗的工程资源，用于平衡变更速度与系统稳定性。

错误预算的计算公式：

错误预算 = 总事件数 × (1 - SLO)

示例：
- 总变更次数（28天窗口）：10,000 次
- SLO 目标：99.9%
- 错误预算 = 10,000 × (1 - 0.999) = 10 次失败

含义：在 28 天内，最多允许 10 次变更失败。一旦耗尽，应暂停高风险变更。

2.4 变更口径

变更口径（Change Caliber） 是本次课程的核心校准对象。它定义了“什么算一次变更”以及“什么算一次成功的变更”的测量边界。口径漂移是指：在未通知观测系统的情况下，SLI 的统计口径发生了隐性变化，导致 SLO 合规性数据失真。

变更口径的四个关键维度：

1. 计数口径： 变更的原子单位是什么？
   • 一次 terraform apply 算一次变更？还是其中每个资源变更算一次？
   • 预检查失败（Plan 失败）是否计入分母？
2. 成功口径： 什么状态算“成功”？
   • API 返回 200？状态文件更新？还是最终一致性校验通过？
   • 部分成功（部分资源更新成功，部分失败）如何归类？
3. 时间口径： 变更的观测窗口如何界定？
   • 从提交到完成？还是从开始执行到状态收敛？
   • 超时后手动终止的变更是否计入失败？
4. 排除口径： 哪些变更被排除在统计之外？
   • 只读查询、Dry-run、自动化巡检触发的状态同步？
   • 回滚操作是否单独统计？

2.5 四者关系总结

SLI、SLO、错误预算和变更口径构成了一个闭环反馈系统。口径是基础，SLI 是测量，SLO 是目标，错误预算是决策燃料。