3. SLO 作业模板核心字段

一个标准化的 SLO 作业模板是平台工程团队将可靠性目标从“文档共识”推向“自动化执行”的关键载体。模板中的每个字段都对应着监控系统、告警引擎和 CI/CD 流水线的具体消费逻辑。本章逐一拆解六个核心字段的设计意图、填写规范与集成要点。

3.1 字段总览与职责矩阵

下表列出了 SLO 作业模板的六个核心字段，以及每个字段在平台工程中的主要职责与消费方：

3.2 字段详解与填写规范

3.2.1 服务名称

服务名称是 SLO 作业的“主键”。平台工程团队应强制要求服务名称与 CI/CD 流水线中的部署单元名称、Kubernetes Service 名称、CMDB 中的业务系统名称保持三统一。推荐使用小写字母、连字符分隔的命名风格，例如 payment-gateway、user-auth-service。

3.2.2 SLI 指标定义

SLI 定义是模板中最具技术含量的字段。它必须包含三个要素：指标来源（如 Prometheus metric name）、过滤条件（如排除健康检查端点）、计算表达式（如成功率 = 成功请求数 / 总请求数）。

# 示例：API 请求成功率 SLI 定义（PromQL）
(
  sum(rate(http_requests_total{status_code=~"2..|3..", service="payment-gateway"}[5m]))
  /
  sum(rate(http_requests_total{service="payment-gateway"}[5m]))
) * 100

3.2.3 目标阈值

目标阈值通常以百分比形式填写，例如 99.9（三个九）。平台工程团队应区分两类阈值：

• 硬性阈值： 违反即触发告警，适用于核心支付、登录等关键链路。
• 弹性预算阈值： 基于错误预算消耗速度动态调整，适用于非关键服务或灰度验证阶段。

3.2.4 合规窗口

合规窗口定义了“在多长时间范围内评估 SLO 是否达标”。常见选项包括：

3.2.5 告警规则

告警规则字段应包含告警级别、触发条件、通知渠道和静默策略。推荐采用多级告警设计：

• 警告（Warning）： 错误预算消耗速度超过 50% 或 SLO 剩余时间不足 72 小时。
• 严重（Critical）： SLO 已违反或错误预算已耗尽。
• 静默（Silence）： 允许在维护窗口或已知故障期间临时抑制告警。

3.2.6 元数据标签

元数据标签是 SLO 作业的可扩展属性，用于分类、过滤和成本分摊。平台工程团队应定义一套强制标签与可选标签：

3.3 核心字段关系图

下图展示了六个核心字段之间的逻辑关系与数据流向：

3.4 模板 YAML 示例

以下是一个完整的 SLO 作业模板 YAML 示例，展示了六个核心字段在实际文件中的组织方式：

apiVersion: slo.platform.io/v1
kind: ServiceLevelObjective
metadata:
  name: payment-gateway-slo
  labels:
    team: payment-team
    tier: critical
    environment: production
    cost-center: fin-ops-123
spec:
  serviceName: payment-gateway
  sliDefinition:
    metricSource: prometheus
    query: |
      (
        sum(rate(http_requests_total{status_code=~"2..|3..", service="payment-gateway"}[5m]))
        /
        sum(rate(http_requests_total{service="payment-gateway"}[5m]))
      ) * 100
    unit: percent
  targetThreshold:
    value: 99.9
    type: hard
  complianceWindow:
    type: rolling
    duration: 30d
  alertingRules:
    - level: warning
      condition: error_budget_remaining < 72h
      channels: ["slack-platform-alerts"]
    - level: critical
      condition: slo_value < 99.9
      channels: ["pagerduty", "feishu-urgent"]

3.5 字段校验与 CI/CD 集成要点

当 SLO 作业模板被提交到 Git 仓库后，CI/CD 流水线应自动执行以下校验：

• 服务名称唯一性检查： 确保同一集群内不存在同名 SLO 作业。
• SLI 查询语法校验： 使用 Prometheus API 的 /api/v1/query 端点验证 PromQL 语法正确性。
• 阈值范围检查： 目标阈值必须在 0 到 100 之间，且合规窗口时长不能小于 1 小时。
• 标签合规检查： 强制标签（如 team、tier）必须存在且值在允许列表中。