2. 值班台可靠性评分体系设计
值班台可靠性评分体系是衡量值班台整体健康度的核心量化工具。本章将系统拆解评分维度的构成、权重分配原则以及最终计算公式，确保评分结果既能反映真实运维状态，又能指导改进方向。
2.1 评分维度拆解
基于SRE经典方法论，值班台可靠性评分从五个核心维度展开：可用性、延迟、吞吐量、错误率和饱和度。每个维度对应不同的运维关注点，共同构成完整的可靠性画像。
| 维度 | 定义 | 典型指标 | 测量单位 |
|---|---|---|---|
| 可用性 | 值班台服务正常响应请求的时间占比 | Uptime百分比、SLA达标率 | % |
| 延迟 | 从请求发出到收到响应的时间间隔 | P50/P95/P99延迟、平均响应时间 | ms |
| 吞吐量 | 单位时间内成功处理的请求数量 | RPS、QPS、每分钟事务数 | req/s |
| 错误率 | 失败请求占总请求的比例 | HTTP 5xx占比、超时率、异常率 | % |
| 饱和度 | 系统资源被使用的程度，接近极限的程度 | CPU使用率、内存占用、连接池水位 | % |
维度选择依据：这五个维度覆盖了SRE的USE（Utilization、Saturation、Errors）和RED（Rate、Errors、Duration）方法论，同时补充了可用性这一业务最关心的指标，形成完整的可靠性评估闭环。
2.2 评分权重分配原则
权重分配直接影响评分结果的导向性。合理的权重设计应遵循以下原则：
- 业务对齐原则：权重应与业务SLA优先级一致，核心业务指标权重更高。
- 风险敏感原则：对故障影响面大的维度（如可用性、错误率）赋予更高权重。
- 动态调整原则：权重可根据值班台所处成熟度阶段进行季度调整。
- 归一化原则：所有维度权重之和必须等于100%。
以下为推荐权重分配方案（适用于中等成熟度值班台）：
| 维度 | 推荐权重 | 权重依据 |
|---|---|---|
| 可用性 | 35% | 直接决定SLA达标情况，故障影响最大 |
| 错误率 | 25% | 反映系统稳定性，错误率上升往往是故障前兆 |
| 延迟 | 20% | 影响用户体验，延迟劣化会引发连锁反应 |
| 吞吐量 | 10% | 反映系统容量，通常与业务量正相关 |
| 饱和度 | 10% | 预警性指标，饱和度过高会触发限流降级 |
权重调整注意事项：当值班台处于成熟度初期（L1-L2）时，建议适当提高可用性和错误率的权重（合计可达70%），优先保障系统稳定；进入成熟期（L3-L4）后，可逐步增加延迟和吞吐量的权重，关注性能优化。
2.3 评分计算公式
综合评分采用加权求和模型，每个维度先进行归一化处理，再乘以对应权重后求和。具体公式如下：
综合评分 = (可用性得分 × W_avail) + (延迟得分 × W_lat) + (吞吐量得分 × W_tput) + (错误率得分 × W_err) + (饱和度得分 × W_sat)
其中：
- W_avail + W_lat + W_tput + W_err + W_sat = 1.0
- 每个维度得分范围：0 ~ 100 分
- 综合评分范围：0 ~ 100 分各维度得分计算方式：
| 维度 | 原始指标 | 得分计算公式 | 说明 |
|---|---|---|---|
| 可用性 | 实际Uptime百分比 (U) | min(100, U × 100) | U=0.9999 → 99.99分 |
| 延迟 | P99延迟 (L, 单位ms) | max(0, 100 - (L / T_base) × 100) | T_base为延迟基准值 |
| 吞吐量 | 实际RPS (R) | min(100, (R / R_target) × 100) | R_target为目标吞吐量 |
| 错误率 | 错误百分比 (E) | max(0, 100 - E × 100) | E=0.01 → 99分 |
| 饱和度 | 资源使用率 (S) | max(0, 100 - (S - S_threshold) × 100) | S_threshold为预警阈值 |
计算示例：某值班台当前指标为：可用性99.95%、P99延迟120ms（基准100ms）、RPS 850（目标1000）、错误率0.05%、CPU饱和度75%（阈值70%）。代入公式：
可用性得分 = 99.95
延迟得分 = max(0, 100 - (120/100)×100) = -20 → 0
吞吐量得分 = min(100, (850/1000)×100) = 85
错误率得分 = max(0, 100 - 0.05×100) = 95
饱和度得分 = max(0, 100 - (75-70)×100) = -400 → 0
综合评分 = 99.95×0.35 + 0×0.20 + 85×0.10 + 95×0.25 + 0×0.10 = 34.98 + 0 + 8.5 + 23.75 + 0 = 67.23分
可用性得分 = 99.95
延迟得分 = max(0, 100 - (120/100)×100) = -20 → 0
吞吐量得分 = min(100, (850/1000)×100) = 85
错误率得分 = max(0, 100 - 0.05×100) = 95
饱和度得分 = max(0, 100 - (75-70)×100) = -400 → 0
综合评分 = 99.95×0.35 + 0×0.20 + 85×0.10 + 95×0.25 + 0×0.10 = 34.98 + 0 + 8.5 + 23.75 + 0 = 67.23分
2.4 评分结果解读与阈值
综合评分结果需要结合阈值进行解读，以便快速定位值班台健康状态：
| 评分区间 | 健康等级 | 状态描述 | 建议行动 |
|---|---|---|---|
| 90 ~ 100 | 优秀 | 值班台运行在最佳状态 | 持续监控，优化成本 |
| 75 ~ 89 | 良好 | 大部分指标正常，存在局部风险 | 关注低分维度，制定改进计划 |
| 60 ~ 74 | 一般 | 存在明显短板，需重点治理 | 启动专项治理，调整资源分配 |
| 0 ~ 59 | 危险 | 值班台处于不稳定状态 | 立即启动应急响应，排查根因 |
评分应用建议：建议将评分结果纳入值班台日常巡检看板，按小时粒度更新。当评分低于75分时自动触发告警，并关联对应的维度指标，帮助值班人员快速定位问题根因。