2、SLA核心指标设计：可用性、准确性、时效性、完整性、一致性的定义与度量
好，咱们进入正题。上一章聊了SLA是什么、为什么重要。这一章，我们来拆解最核心的部分——五个关键指标。
我见过不少团队，一上来就拍脑袋定SLA：“可用性四个9！准确性99.9%！”结果呢？要么根本测不准，要么运维成本高到离谱。说白了，指标设计不是喊口号，得能落地、能度量、能追责。
这五个指标，我习惯叫它们“SLA五边形”。任何一个短板，都会让数据产品失信于用户。咱们一个一个过。
2.1 可用性（Availability）
定义：数据产品或服务在约定时间内，能够被正常访问和使用的概率。
可用性是最直观的指标。用户打不开页面、调不通API，第一反应就是“挂了”。
度量方式：
可用性 = (总时间 - 不可用时间) / 总时间 × 100%举个例子：一个月30天，总分钟数是43200分钟。如果服务宕了43分钟，可用性就是 (43200-43)/43200 ≈ 99.9%。也就是我们常说的“三个9”。
| 等级 | 可用性 | 月均不可用时间 | 典型场景 |
|---|---|---|---|
| 基础 | 99.9% | ≈43分钟 | 内部报表、离线分析 |
| 标准 | 99.99% | ≈4.3分钟 | 在线API、实时看板 |
| 高可用 | 99.999% | ≈26秒 | 交易风控、实时决策 |
2.2 准确性（Accuracy）
定义：数据值与真实值或标准值之间的接近程度。
准确性是数据产品的生命线。数据不准，再高的可用性也没用。你想想看，一个实时大屏上数字都是错的，老板拍板能放心吗？
度量方式：
准确率 = 正确记录数 / 总记录数 × 100%我在项目中遇到过最典型的场景：用户画像系统。系统每天同步几千万条用户行为数据，其中一条“性别”字段，因为上游埋点错误，把“男”写成了“未知”。这一条数据，就让整个画像的准确率从99.9%掉到了99.5%。
2.3 时效性（Timeliness）
定义：从数据产生到数据可被消费的时间间隔。
时效性决定了数据的“新鲜度”。有些场景，数据晚到一分钟，价值就归零。比如实时风控，晚几秒可能一笔欺诈交易就过去了。
度量方式：
- 延迟（Latency）：单条数据从产生到入库的时间。例如：实时流处理要求延迟 < 5秒。
- 新鲜度（Freshness）：数据仓库中，最新数据的时间戳与当前时间的差值。例如：T+1报表要求新鲜度 < 24小时。
我曾经踩过一个坑：给业务方承诺了“实时数据延迟小于1秒”，结果上线后发现，网络抖动、Kafka积压、下游消费能力不足，实际延迟经常飙到10秒以上。后来我学乖了——时效性SLA要分位点来定，比如“P99延迟小于5秒”，而不是“平均延迟小于1秒”。
2.4 完整性（Completeness）
定义：数据集中所有必要字段和记录是否齐全，没有缺失。
完整性是数据质量的“底线”。字段为空、记录丢失，下游分析就会出偏差。
度量方式：
完整率 = 非空且有效的记录数 / 应记录总数 × 100%举个例子：一张订单表，每天应该产生100万条记录。如果实际只入库了98万条，完整率就是98%。
2.5 一致性（Consistency）
定义：同一数据在不同系统、不同时间点、不同维度下，逻辑上保持一致。
一致性是数据治理的“老大难”。同一个用户ID，在CRM系统里叫“user_id”，在订单系统里叫“uid”，在日志系统里叫“account_id”。你说这是不是问题？
度量方式：
- 跨系统一致性：对比两个系统的关键字段，计算匹配率。例如：CRM和订单系统的用户ID一致率应 > 99.9%。
- 时间一致性：同一指标在不同时间点的计算结果是否一致。例如：今天跑的昨日营收，和昨天跑的昨日营收，差值应 < 0.1%。
- 逻辑一致性：数据间的业务逻辑关系是否成立。例如：订单金额 = 商品单价 × 数量 + 运费 - 优惠。
嗯，这里要注意：一致性不是越高越好。有些场景下，因为最终一致性模型的存在，短暂的不一致是可以接受的。比如搜索引擎的索引更新，允许几分钟的延迟。
2.6 五边形关系图
这五个指标不是孤立的。它们互相影响，甚至互相制约。我画了一张图，帮你理清关系。
2.7 指标设计的避坑指南
讲完定义和度量，我分享几个实战中容易踩的坑。
我曾经给一个实时推荐系统定SLA，可用性写了99.99%。结果发现，这个系统依赖的底层数据服务只有99.9%的可用性。上层承诺再高，底层扛不住也是白搭。记住：SLA指标要分层对齐，上下游一致。
准确性怎么测？是用抽样比对，还是全量校验？时效性是从客户端发起到服务端返回，还是从数据产生到落库？这些不写清楚，到时候扯皮都扯不清。我习惯在SLA文档里单独写一节“测量方法”，把采样频率、计算口径、数据来源都列明白。
完整性不是越高越好。有些字段就是允许为空的，比如“用户昵称”。你非要定100%完整率，那只能逼着上游填默认值，反而污染数据。所以，完整性指标要区分“必填字段”和“可选字段”。
2.8 小结
这一章我们拆解了SLA的五个核心指标。说白了，可用性管“能不能用”，准确性管“对不对”，时效性管“快不快”，完整性管“全不全”，一致性管“乱不乱”。
设计指标时，我建议你记住三句话：
- 指标要可度量：不能度量就无法管理。
- 指标要可落地：别定一个技术上根本达不到的目标。
- 指标要可理解：业务方、开发方、运维方都能看懂、能对齐。