3. 误差预算台账设计原则：台账字段设计、数据采集频率、存储策略、历史数据保留周期
误差预算台账是SLO可靠性运营的核心数据资产，其设计质量直接决定质量门禁误报率调优的精度与效率。本节从四个维度阐述台账设计原则：字段结构、采集频率、存储策略与保留周期，确保台账既能支撑实时监控，又能满足长期趋势分析与审计需求。
3.1 台账字段设计：最小完备集与扩展性
字段设计遵循“最小完备”原则——既覆盖误差预算计算与门禁判定所需的全部原子数据，又避免冗余字段导致的存储膨胀与写入延迟。核心字段分为四类：
| 字段类别 | 字段名称 | 数据类型 | 说明 |
|---|---|---|---|
| 标识与时间 | slo_id |
VARCHAR(64) | SLO唯一标识，关联服务与SLI定义 |
window_start |
TIMESTAMP | 误差预算窗口起始时间（UTC） | |
window_end |
TIMESTAMP | 误差预算窗口结束时间（UTC） | |
recorded_at |
TIMESTAMP | 记录写入时间，用于数据新鲜度校验 | |
| 预算状态 | total_budget |
DECIMAL(10,6) | 窗口内总误差预算（百分比，如0.050000） |
consumed_budget |
DECIMAL(10,6) | 已消耗误差预算 | |
remaining_budget |
DECIMAL(10,6) | 剩余误差预算（total_budget - consumed_budget） |
|
| 门禁判定 | gate_status |
ENUM('pass','warn','block') | 质量门禁判定结果 |
gate_threshold |
DECIMAL(10,6) | 触发门禁的剩余预算阈值 | |
is_false_positive |
BOOLEAN | 事后标记是否为误报（用于误报率分析） | |
| 元数据 | source_sli |
VARCHAR(128) | SLI指标名称，如http_request_latency_p99 |
tags |
JSON | 扩展标签，如{"env":"prod","region":"us-east-1"} |
设计要点：
is_false_positive 字段是误报率调优的关键——通过事后人工或自动标注，可反向优化门禁阈值与窗口算法。建议初始阶段保留该字段为 NULL，待调优流程成熟后再填充。
3.2 数据采集频率：多层级时间窗口策略
采集频率并非越高越好，需在数据精度与存储成本之间取得平衡。推荐采用“三级频率”策略：
- 高频层（1分钟粒度）：用于实时门禁判定与告警。仅保留最近24小时数据，支撑快速误报识别与应急回滚。
- 中频层（5分钟粒度）：用于日维度趋势分析与门禁阈值调优。保留30天，是误报率计算的主要数据源。
- 低频层（1小时粒度）：用于月度SLO报告与长期预算规划。保留12个月以上，支持审计与容量规划。
误报率控制关联： 高频层用于实时门禁判定，但误报标记通常在事后1-2小时内完成。建议将误报标记写入中频层，避免高频层频繁更新导致写入放大。
3.3 存储策略：分层存储与冷热分离
误差预算台账的存储需兼顾写入吞吐与查询性能。推荐采用“热-温-冷”三层存储架构：
- 热存储（SSD + 内存表）：高频层数据写入Redis或内存表，TTL=24小时。支撑毫秒级门禁判定查询。
- 温存储（SSD + 列式存储）：中频层数据写入ClickHouse或InfluxDB，按时间分区。支撑30天内的趋势分析与误报率计算。
- 冷存储（HDD + 对象存储）：低频层数据压缩后写入S3或HDFS，按季度分区。支撑年度审计与模型回测。
| 存储层级 | 存储介质 | 数据粒度 | 保留周期 | 查询延迟要求 |
|---|---|---|---|---|
| 热存储 | Redis / 内存表 | 1分钟 | 24小时 | < 10ms |
| 温存储 | ClickHouse / InfluxDB | 5分钟 | 30天 | < 500ms |
| 冷存储 | S3 / HDFS (Parquet) | 1小时 | 12个月+ | < 5s（需预加载） |
避坑提示： 不要将所有层级的数据写入同一张表。高频层的频繁写入会导致温/冷层的查询性能下降。务必通过数据管道（如Kafka + Flink）实现分层写入与自动降采样。
3.4 历史数据保留周期：合规与成本平衡
保留周期需综合考虑三个因素：误报率调优的回测窗口、合规审计要求、存储成本。推荐以下保留策略：
- 原始粒度（1分钟/5分钟）：保留30天。超过30天的原始数据对误报率调优的边际价值急剧下降，且占用大量存储。
- 聚合粒度（1小时）：保留12个月。用于年度SLO报告、门禁阈值年度回顾、以及跨季度误报率趋势分析。
- 月度快照：保留永久（或至少3年）。每月1日生成一份全量误差预算快照，包含所有字段，用于合规审计与长期模型训练。
误报率调优最佳实践： 回测误报率调优效果时，至少需要3个月的温存储数据。例如，调整门禁阈值后，对比调整前后30天的误报率变化，需要保留至少60天的5分钟粒度数据。建议在温存储中额外保留一个“调优快照”分区，记录每次调优前后的全量数据。