2. SLO 与 SLI 基础：定义服务等级指标与目标

在基于 Error Budget 的灰度发布准入体系中，SLI（Service Level Indicator，服务等级指标）和SLO（Service Level Objective，服务等级目标）是构建所有容量决策的基石。没有精确的 SLI 和合理的 SLO，Error Budget 就失去了数学锚点，灰度发布准入也将沦为凭感觉拍板的操作。

2.1 定义服务等级指标（SLI）

SLI 是对服务某个特定维度的直接测量值，通常表示为一段时间内的好事件计数 / 总事件计数。SLI 必须可量化、可采集、与用户体验强相关。

2.1.1 常见的 SLI 类型

2.2 定义服务等级目标（SLO）

SLO 是为 SLI 设定的目标边界值，是服务所有者对用户做出的承诺。SLO 必须比 SLI 的测量值更严格，且通常以“时间窗口内的达标率”来表述。

2.2.1 SLO 的数学表达

一个典型的 SLO 表述为：
“在 30 天滚动窗口内，99.9% 的请求延迟低于 200ms。”

其中：

• SLI = 延迟低于 200ms 的请求比例
• SLO = 99.9%（目标值）
• 时间窗口 = 30 天（滚动计算）

2.2.2 SLO 分级策略

2.3 SLO 与 Error Budget 的数学关系

Error Budget 是 SLO 的“允许犯错空间”，其数学关系极为简洁：

Error Budget = 1 - SLO

例如：
SLO = 99.9%  →  Error Budget = 0.1%
SLO = 99.99% →  Error Budget = 0.01%

在时间窗口内，Error Budget 可以换算为具体的可容忍失败次数：

可容忍失败次数 = 总请求数 × (1 - SLO)

示例（30 天窗口，日均 1000 万请求）：
总请求数 = 1000万 × 30 = 3亿
SLO = 99.9%
可容忍失败次数 = 3亿 × 0.1% = 30万次

这意味着在 30 天内，该服务最多允许 30 万次失败（延迟超标或错误响应）。一旦消耗完，Error Budget 归零，灰度发布准入将被暂停，直到下一个窗口重置。

2.4 时间窗口与滚动计算

Error Budget 的计算必须基于滚动时间窗口，而非固定日历月。常见的窗口配置：

• 7 天滚动窗口：适合快速迭代的服务，Error Budget 重置快，灰度发布节奏更灵活。
• 30 天滚动窗口：行业标准，平衡了稳定性与迭代速度，适合大多数核心服务。
• 90 天滚动窗口：适合低频变更的基础设施组件，如 DNS、负载均衡。

2.5 多 SLO 组合与准入策略

一个服务通常有多个 SLO（延迟、错误率、吞吐量）。灰度发布准入需要综合判断：

准入决策公式：

准入分数 = Σ(各维度剩余Budget比例 × 权重)
准入条件：准入分数 > 0.4（阈值可调）

这种加权方式避免了单一维度耗尽就阻塞所有变更，同时确保关键维度（延迟、错误率）有更高的发言权。

2.6 关键总结

• SLI 是测量值，SLO 是目标值，Error Budget 是允许的偏差空间。
• Error Budget 的数学本质是 1 - SLO，在滚动窗口内按请求量换算为可容忍失败次数。
• 灰度发布准入的核心判断依据是 Error Budget 剩余量：剩余充足则允许发布，耗尽则暂停。
• 多 SLO 场景下使用加权准入分数，避免单一维度过度约束变更流程。
• 时间窗口的选择直接影响灰度发布的节奏：窗口越短，对容量波动的容忍度越低，变更越保守。