1. SLI 基础概念：服务等级指标的基石

在构建可靠的 CI/CD 流水线之前，必须理解 SLI 的核心定义及其在服务可靠性工程中的位置。SLI（Service Level Indicator，服务等级指标）是对服务某个特定维度（如延迟、错误率、吞吐量）进行量化的直接测量值。它是 SRE 实践的起点——没有精确的测量，就无法定义目标，更无法进行调优。

1.1 什么是 SLI？

SLI 是一个可观测、可计算、可比较的数值指标，通常以比率、百分比或速率的形式呈现。例如：

• 延迟 SLI：过去 5 分钟内，99% 的 HTTP 请求响应时间 ≤ 200ms。
• 错误率 SLI：每分钟内，返回 HTTP 5xx 状态的请求占总请求数的比例。
• 吞吐量 SLI：每秒成功处理的 CI/CD 构建任务数。
• 可用性 SLI：服务在指定时间窗口内成功响应的请求百分比。

1.2 SLI 与 SLO / SLA 的关系

SLI、SLO（Service Level Objective，服务等级目标）和 SLA（Service Level Agreement，服务等级协议）构成了可靠性管理的三层金字塔。下表清晰展示了三者的区别与联系：

三者之间的逻辑链条为：SLI 是测量基础 → SLO 是目标设定 → SLA 是商业承诺。没有准确的 SLI，SLO 就是空中楼阁；没有 SLO 的约束，SLA 无法被有效监控。

1.3 为什么在 CI/CD 中需要 SLI？

CI/CD 流水线是软件交付的核心动脉，其稳定性直接影响研发效率和发布质量。引入 SLI 可以带来以下四个关键收益：

1. 量化交付质量：将“构建快不快”“部署稳不稳”等模糊感受转化为可比较的数字，例如“构建成功率 99.8%”。
2. 驱动调优决策：当 SLI 偏离基线时，团队可以基于数据决定是否扩容、优化构建缓存、调整测试并行度。
3. 建立错误预算：通过 SLI 与 SLO 的差值计算错误预算，允许团队在预算内进行风险发布，避免过度保守。
4. 提升团队协作：DevOps 和 SRE 团队使用统一的 SLI 语言沟通，减少“我觉得慢”与“数据不慢”之间的争论。

1.4 CI/CD 流水线中的典型 SLI 分类

下表列出了 CI/CD 流水线中最常用的 SLI 维度及其测量方式：

1.5 选择 SLI 的黄金法则

在 CI/CD 场景中定义 SLI 时，请遵循以下四条原则：

• 用户视角优先：选择开发者或发布经理直接感知的指标，而非内部系统指标。例如“构建排队时间”比“Runner CPU 使用率”更贴近用户体验。
• 可测量且可行动：SLI 必须能被自动化工具持续采集，且当指标异常时团队能采取明确的修复动作。
• 保持精简：每个流水线阶段选择 2-3 个核心 SLI，避免指标泛滥导致监控疲劳。
• 区分信号与噪声：关注长期趋势而非单点波动。例如单次构建失败可能是环境问题，但连续 1 小时构建成功率低于 95% 才是需要响应的信号。