4. SLI 重定义方法论：USE 方法、RED 方法、四步重定义法

在 SRE 实践中，SLI 的选择直接决定了 SLO 的准确性与可操作性。错误的 SLI 会导致“指标好看，系统却挂了”的假阳性，或“指标报警，业务却正常”的假阴性。本章系统讲解三种主流的 SLI 重定义方法论：USE 方法（资源视角）、RED 方法（服务视角）以及四步重定义法（通用流程），帮助你在不同场景下精准定位并重构 SLI。

4.1 USE 方法：资源饱和与错误检测

USE 方法（Utilization、Saturation、Errors）由 Brendan Gregg 提出，主要用于基础设施资源层的 SLI 定义。其核心思想是：对于每一个资源（CPU、内存、磁盘、网络），分别检查其利用率、饱和度和错误率。

4.2 RED 方法：请求维度的黄金三角

RED 方法（Rate、Errors、Duration）由 Tom Wilkie 提出，专为微服务与 API 网关设计。它将 SLI 聚焦在请求的生命周期上，是构建服务级别指标（Service Level Indicators）最直接的方法。

• R (Rate) — 请求速率：单位时间内处理的请求数（RPS/QPS）。用于衡量服务负载与吞吐量。
• E (Errors) — 错误率：请求失败的占比（HTTP 5xx、业务错误码）。直接反映服务正确性。
• D (Duration) — 延迟分布：请求响应时间的百分位值（p50、p95、p99）。反映服务响应速度。

4.3 四步重定义法：从原始指标到精准 SLI

USE 和 RED 提供了 SLI 的分类框架，但实际生产中的指标往往混杂、冗余、噪声多。四步重定义法提供了一套可执行的流程，将原始指标逐步提炼为可用于 SLO 计算的精确 SLI。

步骤一：识别（Identify）

列出系统所有可观测的原始指标。包括基础设施指标（CPU、内存）、中间件指标（队列深度、连接数）、应用指标（请求数、错误码、延迟）。此阶段不设限，目标是穷举。

步骤二：筛选（Filter）

根据以下原则剔除无效指标：

• 业务相关性：该指标是否直接影响用户体验？
• 可测量性：指标是否可稳定采集，且误差在可接受范围内？
• 可区分性：指标能否区分“正常”与“异常”？
• 可操作性：指标降级时，团队是否有明确的响应动作？

步骤三：聚合（Aggregate）

将筛选后的指标按时间窗口和维度进行聚合。常见聚合方式：

步骤四：验证（Validate）

使用历史数据回测 SLI 的有效性：

• 假阳性测试：SLI 报警时，是否真的发生了业务受损？
• 假阴性测试：业务受损时，SLI 是否一定能捕捉到？
• 稳定性测试：SLI 在正常运行时，波动是否在可接受范围内？

4.4 方法论选择矩阵

在实际项目中，应根据监控对象和团队成熟度选择合适的方法论。下表总结了三种方法的适用场景与产出物：