2. 服务目录基础：服务目录的定义、核心组件、服务目录在SRE中的角色
服务目录是SRE体系中的“单一可信源”，它将组织内所有服务的元数据、所有权、依赖关系以及可靠性目标进行结构化建模。没有服务目录，SLO的制定、SLI的采集以及故障响应都会陷入混乱。本节将定义服务目录的核心概念，拆解其关键组件，并阐明它在SRE工作流中的战略位置。
2.1 服务目录的定义
服务目录是一个动态的、可查询的注册表，用于记录每个服务的属性、负责人、依赖关系以及可靠性承诺。它不同于传统的CMDB（配置管理数据库），因为服务目录更侧重于服务的行为特征（如SLO、SLI）而非单纯的硬件或软件配置。
核心定义： 服务目录 = 服务元数据 + 所有权信息 + 可靠性目标（SLO）+ 度量方式（SLI）+ 依赖拓扑。
一个成熟的服务目录通常包含以下关键字段：
| 字段类别 | 示例字段 | 说明 |
|---|---|---|
| 标识信息 | 服务名称、服务ID、版本号 | 唯一标识一个服务实例 |
| 所有权 | 团队名称、值班联系人、On-Call 轮转组 | 明确故障响应和变更审批的责任人 |
| 可靠性目标 | SLO 定义、SLI 指标、错误预算 | 服务的可靠性承诺与度量方式 |
| 依赖关系 | 上游依赖、下游消费者、基础设施层 | 用于故障影响分析和变更风险评估 |
| 运行时属性 | 部署环境、集群名称、关键端口 | 辅助自动化运维和监控配置 |
2.2 核心组件：服务、SLO、SLI
服务目录的核心组件可以归纳为三个层次：服务（实体）、SLI（度量）、SLO（目标）。三者之间的关系可以用“服务产生数据，SLI量化数据，SLO定义阈值”来概括。
2.2.1 服务（Service）
服务是目录中的基本单元。它可以是微服务、单体应用、基础设施组件（如数据库、负载均衡器）或外部依赖。每个服务在目录中都有一个唯一的条目，并关联其所有属性。
2.2.2 服务等级指标（SLI）
SLI 是服务可靠性的具体度量指标。常见的 SLI 包括请求延迟（Latency）、错误率（Error Rate）、吞吐量（Throughput）和可用性（Availability）。SLI 必须可量化、可采集，并且与用户体验直接相关。
2.2.3 服务等级目标（SLO）
SLO 是 SLI 的目标阈值，例如“99.9% 的请求延迟低于 200ms”。SLO 定义了服务“足够好”的标准，是错误预算计算的基础。SLO 通常以时间窗口（如过去30天）内的达标率来表示。
实践建议： 在服务目录中，每个服务至少应定义 1-2 个核心 SLO。过多的 SLO 会导致监控疲劳和错误预算碎片化。优先选择与用户最直接交互的指标（如首页加载延迟、登录成功率）。
2.3 服务目录在SRE中的角色
服务目录不是静态的文档，而是SRE日常操作的“控制平面”。它在以下几个关键场景中发挥不可替代的作用：
- 故障响应与On-Call： 当告警触发时，值班工程师通过服务目录快速定位服务负责人、依赖关系和运行环境，缩短MTTR（平均修复时间）。
- 变更风险管理： 在发布或配置变更前，服务目录提供依赖拓扑，帮助评估变更的影响范围，避免“牵一发而动全身”。
- SLO治理与错误预算： 服务目录是SLO定义的存储库，也是错误预算消耗的审计源。团队可以基于目录数据定期评审SLO是否合理。
- 容量规划与成本优化： 通过服务目录中的SLI历史数据，可以分析资源使用趋势，辅助容量规划和成本控制。
- 合规与审计： 服务目录记录服务的所有权和SLO历史，满足内部合规和外部审计对服务可靠性的追溯要求。
常见误区： 不要将服务目录做成“一次性录入”的静态表格。服务目录必须与CI/CD流水线、监控系统、告警平台实时同步。任何手动维护的目录都会在两周内变得不可信。
2.4 服务目录与CI/CD流水线的集成点
在后续章节中，我们将深入探讨如何将服务目录与CI/CD流水线集成。这里先列出关键的集成点，作为后续内容的铺垫：
| 流水线阶段 | 服务目录交互 | 价值 |
|---|---|---|
| 代码提交 | 验证服务目录中是否存在该服务，自动注册新服务 | 防止“幽灵服务”上线 |
| 构建与测试 | 读取服务的SLO阈值，生成测试用例的通过标准 | 确保测试覆盖可靠性目标 |
| 部署 | 检查错误预算是否充足，决定是否允许发布 | 实现“错误预算门禁” |
| 监控与告警 | 自动配置SLI采集规则和告警路由 | 减少人工配置错误 |
关键原则： 服务目录应作为流水线的“配置源”，而不是流水线的“输出物”。流水线从目录中读取配置，而不是向目录写入临时状态。这样可以保持目录的稳定性和权威性。