4. SLI 指标类型与选择：延迟、吞吐量、错误率、饱和度、可用性

SLI（Service Level Indicator，服务等级指标）是 SLO 工程的量化基石。选择错误的 SLI 会导致 SLO 无法反映真实用户体验，甚至误导容量规划与故障定位。本章系统梳理五大经典 SLI 类型，并给出平台服务的选型决策框架。

4.1 五大 SLI 指标类型定义

Google SRE 经典著作将 SLI 归纳为以下五类，每一类对应不同的服务质量维度：

4.2 指标选择决策树

为平台服务选择 SLI 时，应遵循“用户视角优先”原则。以下决策树帮助团队快速锁定核心指标：

4.3 平台服务 SLI 选型对照表

不同平台服务类型对 SLI 的敏感度差异显著。下表给出常见平台组件的推荐 SLI 组合：

4.4 指标组合与反模式

选择 SLI 时，平台团队常犯以下错误，需特别注意规避：

• 单一指标陷阱： 仅用可用性衡量服务质量。可用性 99.99% 的服务可能 P99 延迟高达 5 秒，用户感知极差。
• 平均延迟误区： 使用平均延迟而非分位延迟。平均延迟会掩盖长尾请求，P99 延迟才是真实体验的边界。
• 饱和度指标缺失： 只关注延迟和错误率，忽略饱和度。延迟升高往往是饱和度接近 100% 的结果，而非根因。
• 吞吐量定义模糊： 未区分“成功吞吐量”与“总吞吐量”。错误请求不应计入吞吐量 SLI。

4.5 从 SLI 到 SLO 的映射规则

选定 SLI 后，需要将其转化为可量化的 SLO 目标。以下映射规则帮助团队建立一致性：

4.6 平台服务 SLI 选型检查清单

在最终确定 SLI 之前，建议团队逐项核对以下清单：

1. 用户视角验证： 所选 SLI 是否直接反映用户或下游服务的真实体验？
2. 可测量性验证： 该指标是否能在生产环境中持续、低成本地采集？
3. 可区分性验证： 指标是否能区分“正常”与“异常”状态？
4. 正交性验证： 多个 SLI 之间是否存在强相关性？避免冗余指标。
5. 可行动性验证： 当 SLI 恶化时，团队是否有明确的响应动作？
6. 饱和度前置验证： 是否已包含至少一个饱和度指标作为早期预警？