2. SLI 基础回顾：SLI 定义、黄金信号与采集粒度选择
在深入探讨采集频率优化之前，必须重新校准对 SLI（Service Level Indicator，服务等级指标）的认知。SLI 是 SLO 误差预算计算的原始输入，其定义是否精确、采集粒度是否合理，直接决定了后续所有优化工作的有效性。
2.1 SLI 的精确化定义
SLI 并非简单的“可用性”或“响应时间”，而是对服务某一特定维度的可量化测量值。一个合格的 SLI 必须满足以下条件：
- 可观测性：能够通过监控系统持续采集，而非人工估算。
- 可对比性：测量结果在不同时间、不同版本间具有一致的统计口径。
- 业务相关性：直接反映用户体验或系统健康度。
SLI 定义公式示例：
SLI = (Good Events / Total Events) × 100%
其中 “Good Events” 需明确定义阈值与窗口。
SLI = (Good Events / Total Events) × 100%
其中 “Good Events” 需明确定义阈值与窗口。
2.2 黄金信号（Golden Signals）与采集粒度
Google SRE 提出的四大黄金信号是 SLI 设计的核心框架。不同信号的采集粒度选择，直接影响数据量与误差预算计算的精度。
| 黄金信号 | 典型 SLI 示例 | 推荐采集粒度 | 粒度选择依据 |
|---|---|---|---|
| 延迟（Latency） | P99 响应时间 ≤ 200ms | 10s - 60s 聚合 | 过高频率（1s）产生大量噪声；过低（5min）丢失毛刺 |
| 流量（Traffic） | 每秒请求数（RPS） | 1s - 10s 原始计数 | 用于容量规划，需保留峰值细节 |
| 错误（Errors） | HTTP 5xx 占比 ≤ 1% | 1s 原始计数 | 错误是离散事件，低粒度可快速触发告警 |
| 饱和度（Saturation） | CPU 使用率 ≤ 80% | 30s - 60s 聚合 | 资源指标变化较慢，高频采集收益低 |
粒度选择原则： 延迟和饱和度适合“聚合窗口”采集；流量和错误适合“事件计数”采集。切勿对所有信号使用同一采集频率。
2.3 黄金信号采集粒度对比图
下图展示了四种黄金信号在典型微服务架构中的采集粒度差异，以及它们与 SLO 误差预算计算的关系。
2.4 采集粒度选择的常见陷阱
- 陷阱一：统一粒度——对所有黄金信号使用相同的采集间隔（如 60s），导致错误信号丢失毛刺，延迟信号噪声过大。
- 陷阱二：过度高频——对饱和度信号使用 1s 粒度，产生大量冗余数据，增加存储成本且无实际收益。
- 陷阱三：忽略聚合窗口——延迟 SLI 使用原始毫秒值而非窗口聚合（如 P99），导致 SLO 计算不稳定。
实践建议： 在定义 SLI 时，同步确定采集粒度与聚合策略。建议为每个黄金信号建立独立的“采集频率-聚合窗口”配置表，并在 SLO 文档中明确记录。
2.5 黄金信号采集策略总结
| 信号 | 采集模式 | 典型频率 | 数据存储影响 | 对 SLO 精度影响 |
|---|---|---|---|---|
| 延迟 | 分布聚合（P50/P90/P99） | 30s | 中 | 高（直接影响用户体验） |
| 流量 | 计数 + 速率 | 10s | 低 | 中（用于容量预警） |
| 错误 | 计数 + 占比 | 1s | 高 | 极高（直接影响可用性） |
| 饱和度 | 均值 / 最大值 | 60s | 低 | 低（用于趋势分析） |
理解 SLI 定义与黄金信号的采集粒度差异，是后续设计“误差预算台账数据传输”的基础。错误的粒度选择会导致台账数据失真，进而影响 SLO 的可靠性。