4. 采集频率对SLO误差预算的影响：高频采集 vs 低频采集的精度与成本权衡

采集频率直接决定了SLI数据的颗粒度，进而影响SLO误差预算计算的准确性。高频采集提供更精细的观测，但会显著增加存储、网络和计算成本；低频采集虽然经济，却可能因采样偏差导致误差预算的误判。本节从精度与成本两个维度，系统分析采集频率的权衡策略。

4.1 采集频率与误差预算精度的数学关系

误差预算的计算依赖于对SLI时间序列的统计聚合。设真实SLI值为 \( x(t) \)，采集周期为 \( \Delta t \)，则观测序列为 \( \{ x(k \cdot \Delta t) \} \)。当 \( \Delta t \) 过大时，高频瞬态故障（如持续2秒的5xx错误）可能完全落在采样间隔之间，导致漏报。这种采样误差的方差与采集频率成反比：

采样误差方差 ∝ 1 / (采集频率 × 观测窗口长度)

下表展示了不同采集频率下，对相同真实故障模式的检测能力差异：

4.2 高频采集的成本模型

高频采集的成本主要由三个维度构成：数据摄取、存储和查询。以典型的Prometheus/Grafana Mimir架构为例，成本增长曲线如下：

总成本 = 摄取成本 + 存储成本 + 查询成本

摄取成本 ∝ 采集频率 × 指标基数 × 标签数量
存储成本 ∝ 采集频率 × 保留周期 × 压缩比
查询成本 ∝ 采集频率 × 查询时间范围 × 聚合复杂度

实际案例数据（基于1,000个时间序列，30天保留期）：

4.3 精度与成本的权衡决策矩阵

根据服务的关键等级和故障特征，推荐以下采集频率策略：

• 关键业务服务（SLO ≥ 99.99%）： 推荐1次/秒采集。此类服务对毫秒级故障敏感，低频采集可能导致SLO违规未被及时发现。
• 标准在线服务（SLO 99.9%）： 推荐1次/10秒采集。平衡精度与成本，可检测大多数影响用户体验的故障。
• 批量处理/离线服务（SLO 99%）： 推荐1次/60秒采集。故障持续时间通常较长，低频采集足以满足误差预算计算需求。
• 内部监控/调试指标： 推荐1次/5分钟或更低。仅用于趋势分析，不参与SLO误差预算计算。

4.4 采集频率对误差预算的SVG影响模型

下图展示了不同采集频率下，对同一真实故障事件的采样结果差异，以及由此导致的误差预算计算偏差：

4.5 自适应采集频率策略

为了在精度与成本之间取得最优平衡，推荐采用自适应采集频率方案。其核心思想是：在服务正常运行时使用低频采集以降低成本，在检测到异常或接近SLO边界时自动提升采集频率以获取精确数据。

实现方案如下：

1. 基线频率： 默认使用1次/60秒的低频采集，满足日常监控和趋势分析需求。
2. 触发条件： 当误差预算消耗率超过50%或检测到异常指标（如延迟P99上升20%）时，自动切换。
3. 高频模式： 切换至1次/5秒的高频采集，持续至误差预算消耗率回落至30%以下且稳定运行10分钟。
4. 数据降采样： 高频数据在存储时自动降采样为1分钟粒度，保留原始数据仅用于短期回溯（如24小时）。

4.6 采集频率与误差预算的SVG架构图

下图展示了自适应采集频率在SLO误差预算台账系统中的完整数据流架构：

4.7 实践建议与避坑指南

• 不要对所有指标使用统一采集频率： 关键SLI（如请求成功率、延迟P99）使用高频，辅助指标（如CPU使用率、内存占用）使用低频。
• 避免采集频率与告警频率脱节： 告警评估周期应至少为采集周期的3倍，避免因采样不足导致告警抖动。
• 注意采集频率对误差预算窗口的影响： 对于滚动窗口（如30天滑动窗口），低频采集会导致窗口边缘的故障数据被截断，建议使用固定日历窗口或增加窗口重叠。
• 成本控制优先于精度： 当预算有限时，优先保证关键服务的采集频率，非关键服务可降低至1次/5分钟甚至更低。