1. 课程导论：SLI采集频率优化的背景与核心挑战，SLO误差预算台账的概念引入
1.1 为什么需要优化SLI采集频率？
在微服务与云原生架构下，可观测性数据的采集量呈指数级增长。一个中等规模的Kubernetes集群，每秒可能产生数百万个指标点。如果对所有SLI（Service Level Indicator）都采用固定高频率采集（例如每10秒一次），将导致以下三大问题：
- 存储成本失控： 高基数标签（如pod_id、region、api_version）与高频采集叠加，时序数据库的存储膨胀速度远超业务增长。
- 网络与计算开销： 采集Agent（如Prometheus、Telegraf）的CPU/内存占用飙升，甚至影响业务容器的资源配额。
- 信号噪声放大： 对于慢速变化的SLI（如磁盘使用率、证书过期时间），高频采集只会引入无意义的抖动，干扰SLO（Service Level Objective）的准确计算。
核心矛盾： 采集频率越高，数据越“新鲜”，但成本与噪声也越高。我们需要一种机制，在保证SLO计算精度的前提下，动态调整采集频率，将资源用在“刀刃”上。
1.2 核心挑战：精度、成本与延迟的三角博弈
优化SLI采集频率并非简单的“降低频率”或“提高频率”，而是一个多目标优化问题。下表列出了三个核心挑战维度：
| 挑战维度 | 描述 | 典型场景 |
|---|---|---|
| 精度损失 | 降低采集频率可能导致错过短暂的错误高峰（如5xx突发），造成SLO达标率的误判。 | 高频交易API的P99延迟，每30秒采集一次可能完全漏掉秒级毛刺。 |
| 成本爆炸 | 为追求精度而保持全量高频采集，存储与计算成本线性增长。 | 1000个微服务，每个服务10个SLI，每10秒采集一次，月存储量可达PB级。 |
| 数据延迟 | 采集频率过低会导致SLO告警响应滞后，无法在误差预算耗尽前及时干预。 | CDN边缘节点的可用性SLI，若每5分钟采集一次，故障发现延迟可能超过10分钟。 |
这三者构成了一个不可能三角：高精度、低成本、低延迟无法同时满足。本课程的核心目标，就是通过引入SLO误差预算台账，打破这个三角，实现“按需采集、动态调频”。
1.3 SLO误差预算台账：概念引入
传统SLO监控中，误差预算（Error Budget）是一个简单的计数器：1 - SLO。例如，SLO为99.9%，则月度误差预算为0.1%（约43.2分钟）。当错误消耗超过预算时，触发告警。
然而，这个模型过于粗糙。它无法回答以下问题：
- 预算是在月初快速消耗，还是均匀消耗？
- 哪个SLI组件消耗了最多的预算？
- 当前采集频率是否足以捕捉到预算消耗的细节？
SLO误差预算台账（Error Budget Ledger） 正是为了解决这些问题而设计。它借鉴了会计学中的“复式记账”思想，将误差预算的消耗与SLI采集事件进行关联，形成一本可审计、可追溯的“账本”。
核心思想： 每一次SLI采集，都是一笔“交易”。交易记录包含：时间戳、SLI值、消耗的预算额度、以及本次采集的“成本”（存储/计算开销）。台账不仅记录结果，还记录采集行为本身。
下图展示了SLO误差预算台账在数据流中的位置与核心组件：
1.4 台账的核心数据模型
误差预算台账的每一行记录，都包含以下关键字段。这个模型是后续所有优化算法的基础：
| 字段名 | 类型 | 说明 |
|---|---|---|
ledger_id |
UUID | 全局唯一标识，用于审计与回放 |
timestamp |
Unix Nano | 采集事件发生的时间戳，精度纳秒 |
sli_name |
String | SLI标识，如 http_request_duration_seconds_p99 |
sli_value |
Float | 本次采集的SLI原始值 |
budget_consumed |
Float | 本次事件消耗的误差预算（单位：秒或百分比） |
collection_cost |
Float | 本次采集的“成本”，如存储字节数、CPU时间片 |
frequency_used |
Int | 本次采集实际使用的频率（秒） |
tags |
Map | 高基数标签，用于下钻分析 |
设计陷阱： 不要将
budget_consumed 简单等同于 sli_value > threshold 的布尔值。在P99等分布指标中，即使未超过阈值，也应记录“预算消耗速率”，以便检测预算的加速消耗趋势。
1.5 课程路线图：从理论到工程落地
本课程将围绕以下五个阶段展开，每个阶段都对应一个可交付的工程组件：
- 阶段一：台账数据模型与传输协议设计 —— 定义标准化的台账记录格式，设计高效的序列化与传输方案（如Protobuf + Kafka）。
- 阶段二：基于预算消耗速率的动态调频算法 —— 根据预算消耗的加速度，自动调整SLI采集频率，实现“预算充足时低频，预算紧张时高频”。
- 阶段三：成本感知的采集调度 —— 在多个SLI之间分配有限的采集资源，优先保证高价值、高风险的SLI采集精度。
- 阶段四：台账数据存储与查询优化 —— 利用列式存储、时间分区、预聚合等技术，降低台账本身的存储成本并加速查询。
- 阶段五：生产环境实战与混沌工程验证 —— 在真实集群中部署，通过混沌工程注入故障，验证台账驱动的调频策略在极端情况下的鲁棒性。
下图展示了本课程的技术栈与数据流转关系：
1.6 本章小结
通过本章导论，我们明确了以下关键认知：
- SLI采集频率优化是解决可观测性成本与精度矛盾的关键路径。
- 核心挑战在于平衡精度、成本与延迟，而传统固定频率方案无法胜任。
- SLO误差预算台账 是一种新型数据模型，它将预算消耗与采集事件关联，为动态调频提供了数据基础。
- 本课程将按照“模型→算法→调度→存储→验证”的工程路线，逐步交付一个生产可用的频率优化系统。