SLO误差预算台账服务画像与可视化平台 - 第1节

1.1 服务画像的定义

服务画像（Service Profile）是对一个在线服务系统在业务属性、技术架构、流量特征、依赖关系、可靠性目标等多个维度上的结构化描述。它类似于用户画像之于产品运营，服务画像为 SRE 团队提供了一份“服务的数字孪生快照”，使得运维决策不再依赖经验猜测，而是基于可量化的模型。

一个完整的服务画像通常包含以下核心维度：

1.2 服务画像在 SRE 中的价值

在 SRE 实践中，服务画像承担着“统一上下文”的角色。不同角色（开发、运维、产品）对同一服务的理解往往存在偏差，服务画像通过结构化数据消除了这种信息不对称。其核心价值体现在以下四个方面：

1. 故障响应加速：当告警触发时，SRE 通过服务画像快速获取依赖拓扑、历史故障模式、SLO 阈值，将平均定位时间（MTTD）缩短 30%~50%。
2. 容量规划依据：基于流量特征和峰值倍数，服务画像为扩缩容决策提供量化输入，避免“拍脑袋”式资源调整。
3. 变更风险评估：结合依赖拓扑和误差预算消耗速度，服务画像可以预判一次变更可能带来的可靠性冲击。
4. SLO 运营闭环：服务画像是 SLO 定义、误差预算计算、告警配置、复盘改进的数据底座，没有画像的 SLO 是“空中楼阁”。

1.3 服务画像与 SLO 的关系

服务画像与 SLO（Service Level Objective）之间是“底座与上层”的关系。没有服务画像，SLO 的定义将缺乏上下文支撑，导致目标与业务实际脱节。具体而言，两者在以下三个层面深度耦合：

1.3.1 服务画像为 SLO 定义提供输入

定义 SLO 时，需要回答三个问题：“衡量什么？”、“目标值是多少？”、“如何测量？”。服务画像中的技术栈、流量特征、依赖拓扑直接决定了 SLI 的选择和采集方式：

• 技术栈 → 决定可用的 SLI 埋点方式（如 gRPC 的 latency 指标、HTTP 的状态码分布）。
• 流量特征 → 决定 SLO 的窗口粒度和聚合方式（如高 QPS 服务适合 1 分钟窗口，低频服务适合 1 小时窗口）。
• 依赖拓扑 → 决定是否需要对下游依赖设置独立的 SLO（如依赖 Redis 的服务需定义缓存命中率 SLO）。

1.3.2 服务画像承载误差预算上下文

误差预算（Error Budget）是 SLO 的衍生概念，它表示服务在 SLO 范围内允许的不可用时间或错误次数。服务画像中的运营状态和变更频率字段，直接决定了误差预算的消耗速度和恢复策略：

1.3.3 服务画像驱动 SLO 持续迭代

SLO 不是一次性定义就固定不变的。当服务画像发生变化（如新增依赖、流量模型改变、架构重构），SLO 必须随之调整。服务画像的动态更新机制是 SLO 持续迭代的触发器：

1. 服务画像检测到依赖拓扑变更 → 触发下游 SLO 的重新评估。
2. 服务画像检测到流量特征偏移（如读:写比从 7:3 变为 5:5） → 触发 SLI 权重调整。
3. 服务画像检测到运营状态恶化（如健康度连续 7 天低于阈值） → 触发 SLO 目标值收紧或误差预算策略变更。