4. 台账概念引入：什么是SLO误差预算台账、台账的构成要素、台账与监控仪表盘的区别
4.1 什么是SLO误差预算台账
SLO误差预算台账（Error Budget Ledger）是一份面向服务可靠性治理的结构化记录，它将每个服务的SLO目标、实际SLI表现、误差预算消耗与剩余额度按时间窗口（通常为滚动30天）进行逐行登记。与实时监控仪表盘不同，台账强调历史累积、趋势可审计、决策可追溯，是SRE团队进行容量规划、发布节奏控制和故障复盘的核心数据底座。
核心定义：误差预算 = 1 − SLO目标值。例如SLO为99.9%，则误差预算为0.1%（约8.64秒/天）。台账记录的是这个预算的实际消耗过程，而非瞬时状态。
4.2 台账的构成要素
一份完整的SLO误差预算台账至少包含以下7个核心字段，它们共同构成一条可审计的记录行：
| 字段名称 | 数据类型 | 说明 |
|---|---|---|
| 服务标识 | string | 服务名称、集群ID或标签组合，用于唯一确定台账归属 |
| SLO目标 | float | 例如 99.9、99.99，表示承诺的可用性百分比 |
| 时间窗口 | datetime range | 滚动窗口起止时间，通常为最近30天或28天 |
| 总预算 | duration | 窗口内允许的最大不可用时间，由SLO目标换算得出 |
| 已消耗预算 | duration | 窗口内因SLI未达标而消耗的累计不可用时间 |
| 剩余预算 | duration / % | 总预算 − 已消耗预算，可同时以时间和百分比呈现 |
| 消耗事件明细 | json / array | 每次消耗的触发时间、持续时长、关联故障单号、变更ID |
实践建议：消耗事件明细是台账区别于聚合监控的关键。建议至少记录故障开始时间、恢复时间、消耗时长、关联变更ID四个子字段，便于后续进行误差预算消耗归因分析。
4.3 台账与监控仪表盘的区别
很多团队容易将误差预算台账与实时监控仪表盘混为一谈。两者在数据粒度、时间视角、使用场景上存在本质差异：
| 对比维度 | 监控仪表盘 | 误差预算台账 |
|---|---|---|
| 时间视角 | 实时/近实时（秒级~分钟级） | 滚动窗口累积（天级~月级） |
| 数据粒度 | 原始SLI时间序列点 | 聚合后的预算消耗记录行 |
| 核心指标 | 当前延迟、错误率、吞吐量 | 预算消耗率、剩余比例、消耗事件列表 |
| 主要用户 | 值班SRE、运维工程师 | SRE负责人、技术经理、发布决策者 |
| 典型用途 | 告警触发、故障定位、容量看板 | 发布准入判断、容量规划、SLO审计 |
| 数据保留 | 短期（数小时~数天） | 长期（数月~数年，可审计） |
常见误区：不要试图在监控仪表盘上直接“算”出误差预算。仪表盘的刷新频率和聚合窗口通常与台账的滚动窗口不一致，会导致预算计算出现偏差。台账应使用独立的离线或准实时管道进行构建。
4.4 台账数据流架构
下图展示了从原始SLI到误差预算台账的完整数据流，以及台账与监控仪表盘在数据管道中的位置关系：
4.5 台账的维度扩展基础
基础台账仅包含服务维度的预算消耗。在实际SRE治理中，我们需要对台账进行维度扩展，以支持更精细的决策：
- 变更维度：记录每次发布、配置变更、扩缩容操作所消耗的预算，用于评估变更风险。
- 故障类型维度：区分硬件故障、软件缺陷、网络抖动、人为失误等不同原因导致的预算消耗。
- 地域/集群维度：按数据中心、可用区、Kubernetes集群拆分预算消耗，识别局部风险。
- 时间维度：按小时、天、周分析预算消耗模式，发现周期性或趋势性异常。
课程预告：本章后续将深入讲解如何通过服务画像标签体系为台账注入上述扩展维度，使误差预算从“一个数字”进化为“可下钻、可归因、可预测”的治理工具。