1. 课程导论：SLO与SLI基础概念、作业模板参数自动调整的动机与价值、课程整体架构
1.1 从可用性到可靠性：SLO 与 SLI 的核心定义
在站点可靠性工程（SRE）体系中，服务等级指标（SLI）与服务等级目标（SLO）是衡量系统健康度的两个核心度量。SLI 是对服务行为某个维度的量化测量，例如请求延迟、错误率、吞吐量；SLO 则是为 SLI 设定的目标阈值或范围，代表用户可接受的服务质量边界。
| 概念 | 定义 | 典型示例 |
|---|---|---|
| SLI | 服务等级指标，对服务质量某一方面的直接测量 | 99% 分位延迟 ≤ 200ms；HTTP 500 错误率 ≤ 0.1% |
| SLO | 服务等级目标，为 SLI 设定的目标值或范围 | 过去 30 天内，99% 的请求延迟 ≤ 200ms |
| 错误预算 | SLO 允许的失败总量 = 1 − SLO | 99.9% SLO 对应 0.1% 错误预算（约 8.64 秒/天） |
关键区分：SLI 是“你测量了什么”，SLO 是“你承诺了什么”。没有 SLI 的 SLO 是空洞的承诺，没有 SLO 的 SLI 只是无目标的监控数据。
1.2 作业模板参数自动调整的动机与价值
传统运维中，作业模板（如告警规则、扩缩容策略、巡检脚本）的参数通常由人工静态配置。当业务流量、部署架构或用户行为发生变化时，静态参数会迅速失效，导致误告警、漏告警或资源浪费。自动调整的核心动机在于：
- 消除人工滞后：参数调整周期从“周/月”缩短到“分钟/小时”。
- 适配多维变化：不同地域、版本、实例的 SLI 分布差异巨大，统一阈值无法覆盖。
- 降低认知负荷：SRE 无需为每个微服务手动调参，算法自动寻找最优边界。
核心价值：将 SLO 从“事后统计”升级为“实时驱动”。作业模板参数随 SLI 多维聚合结果动态调整，使告警准确率提升 40%~60%，扩缩容触发时机提前 2~5 分钟。
1.3 课程整体架构与学习路径
本课程共 30 章，按“基础→聚合→调整→实战”四阶段递进。下图展示了课程的核心知识体系与章节依赖关系：
1.4 本章小结与前置知识
- 已掌握：SLI 是量化指标，SLO 是目标承诺，错误预算是风险量化工具。
- 已理解：静态参数在动态环境中的失效模式，自动调整的动机与业务价值。
- 已预览：课程四阶段递进结构，以及每章的标准交付物。
前置要求：建议读者具备基础 SRE 概念（如监控、告警、容量规划）和至少一种编程语言（Python/Go）的读写能力。第 2 章将深入 SLI 采集与维度设计，请确保已理解本章的 SLI/SLO 定义。