2. Error Budget 的计算方法：基于 SLI 窗口的公式与示例
Error Budget 的核心思想是：在给定的时间窗口内，服务允许出现一定量的“不可用”或“低质量”状态。这个允许量就是 可用 Error Budget，而实际发生的不可用量就是 已消耗 Budget。当已消耗 Budget 超过可用 Budget 时，SLO 即面临违约风险，此时应触发作业优先级调度策略。
2.1 核心计算要素
计算 Error Budget 需要三个关键输入：
| 要素 | 符号 | 说明 |
|---|---|---|
| SLO 目标 | SLO_target |
服务承诺的可用性百分比，如 99.9% |
| SLI 窗口时长 | W |
滚动窗口长度，通常为 30 天（即 43200 分钟） |
| 总请求量 | Total |
窗口内所有有效请求的总数 |
| 成功请求量 | Good |
窗口内满足 SLI 条件的请求数 |
| 不良请求量 | Bad |
窗口内不满足 SLI 条件的请求数（Bad = Total - Good） |
2.2 可用 Error Budget 公式
可用 Error Budget 表示在窗口 W 内，服务最多可以容忍的不良请求数量：
可用 Error Budget = Total × (1 - SLO_target)例如，对于 99.9% 的 SLO，允许的不良比例为 0.1%。若窗口内总请求量为 1,000,000，则：
可用 Error Budget = 1,000,000 × (1 - 0.999) = 1,000,000 × 0.001 = 1,000 个不良请求2.3 已消耗 Error Budget 公式
已消耗 Error Budget 是窗口内实际发生的不良请求数量：
已消耗 Error Budget = Bad = Total - Good继续上面的例子，如果窗口内实际不良请求为 400 个：
已消耗 Error Budget = 4002.4 剩余 Budget 与消耗率
剩余 Budget 和消耗率是调度决策的关键指标：
剩余 Budget = 可用 Error Budget - 已消耗 Error Budget
消耗率 (%) = (已消耗 Error Budget / 可用 Error Budget) × 100%基于上述示例：
剩余 Budget = 1,000 - 400 = 600
消耗率 = (400 / 1,000) × 100% = 40%
实践要点： 消耗率是触发调度策略的核心阈值。通常设置两个阈值：警告阈值（如 70%）和紧急阈值（如 90%）。当消耗率超过警告阈值时，开始限制低优先级作业；超过紧急阈值时，仅允许关键作业运行。
2.5 30 天滚动窗口计算示例
以下是一个完整的 30 天滚动窗口计算示例，展示每日更新后的 Budget 状态：
| 日期 | 当日总请求 | 当日不良请求 | 30天累计总请求 | 30天累计不良请求 | 可用 Budget | 已消耗 Budget | 消耗率 |
|---|---|---|---|---|---|---|---|
| 第 1 天 | 33,333 | 10 | 33,333 | 10 | 33 | 10 | 30.3% |
| 第 5 天 | 35,000 | 15 | 170,000 | 60 | 170 | 60 | 35.3% |
| 第 15 天 | 32,000 | 8 | 500,000 | 180 | 500 | 180 | 36.0% |
| 第 25 天 | 34,000 | 45 | 840,000 | 680 | 840 | 680 | 81.0% |
| 第 28 天 | 33,000 | 50 | 940,000 | 830 | 940 | 830 | 88.3% |
| 第 30 天 | 35,000 | 12 | 1,000,000 | 900 | 1,000 | 900 | 90.0% |
关键观察： 在第 25 天，由于突发大量不良请求（45 个），消耗率从 36% 跃升至 81%，触发了警告阈值。到第 30 天，消耗率达到 90%，触发紧急阈值，此时应严格限制非关键作业的调度。
2.6 Error Budget 滚动窗口计算流程
下图展示了 30 天滚动窗口下 Error Budget 的实时计算与调度决策流程：
2.7 多 SLO 场景下的 Budget 聚合
在实际生产环境中，一个服务可能同时维护多个 SLO（如延迟 SLO、错误率 SLO、可用性 SLO）。此时需要聚合计算综合 Error Budget：
综合消耗率 = max(消耗率_latency, 消耗率_error, 消耗率_availability)调度策略以最差的 SLO 消耗率为准，确保所有 SLO 都不被突破。
重要提醒： 滚动窗口的起始点选择会影响 Budget 的初始状态。建议在服务上线初期使用较短的窗口（如 7 天）进行预热，待数据积累足够后再切换至 30 天窗口。同时，窗口长度应与业务周期对齐，例如电商服务应覆盖完整的促销周期。
2.8 常见计算误区
- 误区一： 将可用 Budget 视为固定值。实际上，随着窗口滚动，总请求量
Total每日变化，可用 Budget 也随之动态调整。 - 误区二： 忽略窗口边界效应。当旧数据滑出窗口时，对应的不良请求会被移除，可能导致消耗率突然下降，需在告警逻辑中增加平滑处理。
- 误区三： 使用算术平均而非滚动计算。必须严格按 FIFO 原则维护窗口数据，不能简单使用月均值。