📚 课程目录第2章 SLO台账定义

2、SLO台账定义：什么是SLO台账、台账的核心字段（SLI、目标、窗口期）、台账的维护原则

SLO台账是SRE体系中的核心资产，它将抽象的“可靠性承诺”转化为可量化、可审计、可追溯的结构化记录。与零散配置的告警规则不同，SLO台账以服务维度组织，每一条记录对应一个明确的SLO定义，并关联其度量方式、目标阈值与评估周期。本节将定义SLO台账的概念，拆解其核心字段，并给出维护原则。

2.1 什么是SLO台账

SLO台账（Service Level Objective Ledger）是一份集中管理所有SLO定义及其元数据的结构化清单。它不仅是监控系统的配置源，更是容量规划、故障定级、Error Budget核算的基准参照。

  台账 vs 监控告警规则： 监控规则关注“是否触发阈值”，SLO台账关注“承诺的可靠性目标是什么、如何度量、窗口期多长”。台账是规则的上层语义定义。

一个完整的SLO台账应具备以下特征：

唯一性： 每个SLO在台账中有唯一ID，与具体服务版本或功能模块绑定。
可追溯性： 记录SLO的创建时间、变更历史、负责人及审批记录。
可计算性： 台账中的字段可直接用于Error Budget消耗计算与容量推演。
可审计性： 支持定期评审，确保SLO定义与业务实际需求一致。

2.2 台账的核心字段

SLO台账的每条记录必须包含以下三个核心字段：SLI（服务等级指标）、目标（Target）、窗口期（Window）。三者共同构成一个可执行的SLO定义。

核心字段	定义	示例	说明
SLI	衡量服务质量的量化指标，通常为比率或分布值	请求成功率、P99延迟、吞吐量	必须可采集、可计算，且与用户体验直接相关
目标（Target）	SLI在窗口期内必须达到的阈值	99.9%、≤200ms、1000 QPS	目标值决定Error Budget总量，过高或过低均不合理
窗口期（Window）	评估SLO达标情况的时间跨度	30天滚动、7天滚动、日历月	窗口期影响Error Budget的消耗速率与恢复速度

实践建议： 窗口期推荐使用滚动窗口（如28天或30天），避免日历月带来的边界效应。滚动窗口能更平滑地反映近期服务质量变化。

除核心字段外，台账还应包含以下辅助字段以增强可管理性：

服务名称/ID： 关联CMDB或服务目录。
SLO类型： 可用性SLO、延迟SLO、吞吐SLO、持久性SLO。
Error Budget总量： 由目标值推导得出（1 - 目标）× 总时间窗口。
负责人： 负责该SLO的团队或个人。
状态： 生效中、已废弃、待评审。
创建时间/变更时间： 用于审计与版本管理。

2.3 台账的维护原则

SLO台账不是一次性产物，需要持续维护。以下四项原则确保台账长期有效：

单一数据源原则： 所有SLO定义以台账为准，监控系统、告警系统、容量规划工具均从台账同步数据，避免定义分散导致的不一致。
版本化与变更审批原则： 每次修改SLO目标或窗口期，必须记录变更原因、审批人、生效时间。建议使用Git或类似工具管理台账文件。
定期评审原则： 每季度或每半年对台账进行全量评审，检查SLI是否仍能反映用户体验、目标是否过高或过低、窗口期是否合理。
废弃清理原则： 已下线服务或不再使用的SLO应及时标记为“已废弃”，避免台账膨胀干扰容量规划决策。

常见陷阱： 台账中SLO目标值长期不更新，导致Error Budget与实际业务脱节。例如，服务架构已优化但SLO目标仍沿用旧值，造成Error Budget虚高，掩盖真实容量风险。

2.4 SLO台账结构示意

下图展示了一个典型SLO台账的字段关系与维护流程，帮助理解台账在SRE体系中的位置。

2.5 台账与Error Budget的关系

SLO台账是Error Budget消耗模型的数据底座。每一条台账记录直接决定：

Error Budget总量： 窗口期总时间 ×（1 - 目标值）。例如，30天窗口期、99.9%目标，则Error Budget总量为 30×24×60×60×0.001 = 2592秒。
消耗速率基准： 台账中的SLI实时数据与目标值对比，计算已消耗的Error Budget比例。
容量规划触发条件： 当Error Budget消耗速率超过预设阈值时，台账驱动容量规划流程启动。

  关键认知： 没有台账，Error Budget就是无源之水。台账的准确性与完整性直接决定容量规划的可信度。

下图展示SLO台账如何与Error Budget消耗模型联动，形成容量规划闭环。

2.6 台账维护的自动化建议

对于大规模微服务架构，手动维护台账不可持续。建议采用以下自动化策略：

台账即代码： 使用YAML或JSON定义台账，存储在Git仓库中，通过CI/CD流水线同步至监控与容量规划系统。
自动校验： 在提交台账变更时，自动检查SLI是否可采集、目标值是否在合理范围（如99%～99.999%）、窗口期是否为正整数天。
变更通知： 台账变更自动通知相关服务负责人与SRE团队，确保变更透明可追溯。

台账即代码示例（YAML）：

slo_ledger:
  - id: "svc-auth-availability"
    service: "auth-service"
    sli: "request_success_rate"
    target: 0.999
    window_days: 30
    owner: "team-auth"
    status: "active"
    created_at: "2025-01-01"
  - id: "svc-payment-p99-latency"
    service: "payment-service"
    sli: "p99_latency_ms"
    target: 200
    window_days: 7
    owner: "team-payment"
    status: "active"
    created_at: "2025-01-15"

通过以上定义与维护原则，SLO台账将成为容量规划工作中最可靠的基准参照，确保每一次扩容、限流、降级决策都有据可依。