3. SLO目标设定：SLO的制定方法、目标层级与误差预算计算

SLO（Service Level Objective）是服务等级目标，它定义了用户期望的服务健康阈值。SLO的制定不是一次性的数字游戏，而是需要结合业务价值、技术成本与用户感知的持续校准过程。本节将系统讲解SLO的制定方法、目标层级结构以及误差预算的核心计算逻辑。

3.1 SLO制定方法：四步法

制定有效的SLO需要遵循结构化流程，避免“拍脑袋”设定。推荐采用以下四步法：

1. 识别关键用户旅程：梳理用户与系统交互的核心路径（如登录、搜索、下单），而非监控所有指标。
2. 定义SLI：为每个关键旅程选择最能反映用户体验的SLI（如延迟、错误率、吞吐量）。
3. 设定目标阈值：基于历史数据、业务容忍度与成本效益分析，确定SLI的达标边界。
4. 计算误差预算：根据SLO推导出允许的故障时间或错误次数，形成可消耗的“预算”。

3.2 SLO目标层级：从用户到基础设施

SLO并非单一维度，而是分层嵌套的体系。每一层服务于不同的利益相关方，并向下层提出约束。典型的层级结构如下：

下图展示了SLO目标层级之间的依赖与分解关系：

3.3 误差预算的计算逻辑

误差预算（Error Budget）是SLO的核心管理工具，它量化了服务在给定时间窗口内允许的“不达标”总量。其核心思想是：只要预算未耗尽，团队可以自由进行发布、变更等风险操作；预算耗尽后，必须暂停新功能开发，优先投入稳定性建设。

3.3.1 基本计算公式

误差预算的计算基于SLO与时间窗口。最常见的计算方式如下：

误差预算 = 总请求数 × (1 - SLO目标值)

例如：
- 时间窗口：30天（滑动窗口）
- 总请求数：10,000,000
- SLO目标：99.9%
- 误差预算 = 10,000,000 × (1 - 0.999) = 10,000 次失败请求

3.3.2 基于时间的误差预算

对于可用性类SLO（如“月度可用性99.9%”），误差预算通常以时间单位表示：

误差预算（时间）= 时间窗口总时长 × (1 - SLO目标值)

例如：
- 时间窗口：30天 = 43,200分钟
- SLO目标：99.9%
- 误差预算 = 43,200 × 0.001 = 43.2 分钟（约43分钟12秒）

3.3.3 多窗口与复合SLO

实际生产环境中，通常同时使用多个时间窗口来平衡灵敏度与稳定性：

下图展示了误差预算在滑动时间窗口内的消耗与重置机制：

3.4 误差预算的消耗与恢复机制

误差预算的消耗并非线性，而是由实际故障事件驱动。理解其动态特性对于运维决策至关重要：

• 消耗事件：任何导致SLI低于SLO阈值的时段都会消耗预算。消耗量 = 故障持续时间 × 影响请求比例。
• 自然恢复：预算随滑动窗口向前移动而逐步恢复。旧的故障事件移出窗口后，对应的预算额度会被释放。
• 预算耗尽策略：当预算降至0时，触发“冻结期”。在此期间，所有非紧急变更（如功能发布、配置更新）必须暂停，团队集中精力修复稳定性问题。

3.5 多层级SLO的误差预算聚合

当存在多层SLO时，误差预算的计算需要分层聚合。通常采用以下两种模式：

在实际系统中，大多数场景是串联与并联的混合模型。例如，一个用户请求可能先经过负载均衡（并联），再经过多个微服务（串联），最后访问数据库（串联）。此时，误差预算的计算需要逐层分解并累加。