4. Error Budget 消耗模型：请求错误率模型、延迟错误模型、多维度复合错误模型
Error Budget 的消耗并非单一维度的计数，而是需要根据服务等级目标（SLO）的承诺类型，建立对应的消耗模型。不同的模型决定了“什么算作消耗”、“消耗速率如何计算”以及“何时触发预算告警”。本章详细拆解三种核心模型：请求错误率模型、延迟错误模型以及多维度复合错误模型。
4.1 请求错误率模型（基于计数）
这是最直观的模型，适用于可用性类 SLO（例如：99.9% 的请求成功）。核心逻辑是：每个返回 HTTP 5xx 或业务定义错误码的请求，都消耗 Error Budget。
| 参数 | 定义 | 示例值 |
|---|---|---|
| 总请求数 | 监控窗口内的所有合法请求 | 1,000,000 |
| 错误请求数 | 返回状态码 ≥ 500 或业务错误码 | 500 |
| 错误率 | 错误请求数 / 总请求数 | 0.05% |
| SLO 目标 | 允许的最大错误率 | 0.1% |
| Budget 消耗 | 当前错误率 / SLO 目标错误率 | 50% |
关键公式：
例如：SLO = 99.9%，则允许错误率为 0.1%。若当前错误率为 0.05%，则消耗率为 50%。
Budget 消耗率 = (错误请求数 / 总请求数) / (1 - SLO)例如：SLO = 99.9%，则允许错误率为 0.1%。若当前错误率为 0.05%，则消耗率为 50%。
4.2 延迟错误模型（基于分布）
对于延迟敏感的 SLO（例如：99% 的请求在 200ms 内完成），错误不再由 HTTP 状态码定义，而是由响应时间是否超过阈值决定。这种模型需要持续计算延迟分布。
- 快速消耗场景：P99 延迟从 180ms 突增到 350ms，即使没有 5xx 错误，Budget 也会快速消耗。
- 慢速消耗场景：P50 延迟正常，但 P99.9 延迟偶尔抖动，消耗速率较低但持续累积。
- 计算方式：使用滑动窗口内的延迟直方图，统计超过阈值的请求比例。
实践建议：延迟错误模型通常使用“燃烧速率（Burn Rate）”来预警。如果燃烧速率持续超过 1（即消耗速度超过预算生成速度），必须立即介入。
4.3 多维度复合错误模型
现代分布式系统往往同时承诺可用性和延迟。单一模型无法全面反映系统健康度。复合模型将多个维度的错误事件进行加权合并，形成统一的 Budget 消耗视图。
| 维度 | 权重 | 消耗条件 | 典型指标 |
|---|---|---|---|
| 请求错误率 | 0.5 | HTTP 5xx 或业务错误 | error_rate |
| 延迟错误 | 0.3 | 响应时间 > 200ms | latency_p99 |
| 饱和度 | 0.2 | CPU/内存使用率 > 90% | resource_saturation |
注意：权重分配需要根据业务特性动态调整。例如，对于实时交易系统，延迟错误的权重应高于请求错误率；对于批量处理系统，饱和度权重可能更高。
4.4 三种模型对比与选择
| 模型 | 适用 SLO 类型 | 消耗触发条件 | 告警灵敏度 | 实现复杂度 |
|---|---|---|---|---|
| 请求错误率模型 | 可用性（Availability） | 错误状态码 | 中 | 低 |
| 延迟错误模型 | 延迟（Latency） | 响应时间超阈值 | 高 | 中 |
| 多维度复合模型 | 综合健康度 | 多指标加权 | 可调 | 高 |
4.5 模型选择决策流程
- 明确 SLO 承诺：是可用性、延迟还是综合指标？
- 评估数据采集能力：是否有延迟直方图？是否有业务错误码分类？
- 确定消耗阈值：单一阈值还是多维度加权？
- 验证模型有效性：通过历史故障回放，检查模型是否能准确反映故障影响。
- 持续迭代：随着系统演进，定期调整权重和阈值。
核心原则：Error Budget 消耗模型必须与用户体验强相关。如果用户感知不到错误，即使模型显示消耗很高，也需要重新校准模型参数。
4.6 复合模型计算示例
假设某系统采用多维度复合模型，权重分配为：请求错误率 0.5、延迟错误 0.3、饱和度 0.2。当前各维度消耗如下：
- 请求错误率消耗：60%（即当前错误率占 SLO 允许错误率的 60%）
- 延迟错误消耗：80%（即 P99 延迟超阈值请求占允许比例的 80%）
- 饱和度消耗：30%（即资源使用率占告警阈值的 30%）
复合消耗计算：
此时 Error Budget 剩余 40%，若低于冻结阈值（例如 20%），则触发变更冻结。
总消耗 = 0.5 × 60% + 0.3 × 80% + 0.2 × 30% = 30% + 24% + 6% = 60%此时 Error Budget 剩余 40%，若低于冻结阈值（例如 20%），则触发变更冻结。
4.7 模型选择与实施建议
| 系统类型 | 推荐模型 | 原因 |
|---|---|---|
| 静态页面服务 | 请求错误率模型 | 延迟稳定，主要关注可用性 |
| 实时 API 网关 | 延迟错误模型 | 用户体验对延迟敏感 |
| 微服务核心链路 | 多维度复合模型 | 需要综合评估多个风险维度 |
| 批处理系统 | 饱和度 + 错误率 | 资源瓶颈是主要故障模式 |
实施检查清单：
✅ 确认 SLO 类型与模型匹配
✅ 配置滑动窗口大小（通常 1 小时 / 1 天 / 30 天）
✅ 设置燃烧速率告警（例如：1 小时内消耗 10% 预算）
✅ 定期通过故障演练验证模型准确性
✅ 确认 SLO 类型与模型匹配
✅ 配置滑动窗口大小（通常 1 小时 / 1 天 / 30 天）
✅ 设置燃烧速率告警（例如：1 小时内消耗 10% 预算）
✅ 定期通过故障演练验证模型准确性