2. SLO 基础概念：SLI、SLO 与 Error Budget 的定义与关系

在构建可观测性体系与 SRE 实践时，服务水平指标（SLI）、服务水平目标（SLO） 与 错误预算（Error Budget） 是三个最核心的基石。它们共同构成了从“测量”到“目标”再到“容错决策”的闭环。理解三者的定义与关系，是优化 SLO 台账度量基线的第一步。

2.1 服务水平指标（SLI）

SLI 是对服务质量的某个特定维度进行定量测量的指标。它回答的是“服务现在表现如何”的问题。SLI 必须是可测量、可聚合、可比较的数值。

• 常见维度：可用性、延迟（响应时间）、吞吐量（每秒请求数）、错误率、饱和度（资源使用率）。
• 测量方式：通常以“好事件 / 总事件”的比例形式表示，例如“请求成功数 / 总请求数”。
• 聚合窗口：SLI 通常在一个时间窗口（如 1 分钟、5 分钟、30 天）内进行聚合计算。

2.2 服务水平目标（SLO）

SLO 是为 SLI 设定的目标阈值。它回答的是“我们希望服务表现成什么样”的问题。SLO 是一个具体的、可达成且可衡量的承诺值，通常以百分比形式表示。

• 示例：“99.9% 的请求在 200ms 内完成”（延迟 SLO）或“99.99% 的请求返回成功”（可用性 SLO）。
• 时间窗口：SLO 必须绑定一个明确的时间窗口（如“过去 30 天内”或“滚动 28 天”），用于评估合规性。
• 目标 vs 现实：SLO 应设定为比实际能力略低的值，以预留容错空间。100% 的 SLO 通常不切实际且成本极高。

2.3 错误预算（Error Budget）

Error Budget 是 SLO 的衍生概念，它量化了服务在给定时间窗口内允许失败的总量。它回答的是“我们还有多少容错空间”的问题。

• 计算公式：Error Budget = (1 - SLO) × 总事件数。
• 示例：若 SLO 为 99.9%，总请求数为 1,000,000，则 Error Budget = (1 - 0.999) × 1,000,000 = 1,000 个错误请求。
• 消耗与剩余：每次服务失败（未达到 SLI 阈值）都会消耗 Error Budget。当 Error Budget 耗尽时，意味着服务已超出目标，需要暂停新功能发布，优先进行稳定性投入。

2.4 三者的关系与闭环

SLI、SLO 与 Error Budget 构成了一个持续反馈的闭环系统。下图展示了它们之间的核心关系与数据流向。

2.5 概念对比与总结

下表从定义、形式、用途和典型示例四个维度，对 SLI、SLO 和 Error Budget 进行对比，帮助快速建立清晰的概念边界。

2.6 实践中的关键关系

在实际的 SLO 台账度量基线优化中，需要牢记以下三条核心关系：

1. SLO 是 SLI 的“护栏”：没有 SLO 的 SLI 只是数据，无法指导决策。SLO 为 SLI 提供了评判标准。
2. Error Budget 是 SLO 的“量化器”：它将抽象的百分比目标转化为具体的、可操作的容错额度，让团队直观感知风险。
3. 三者构成“测量-目标-行动”闭环：SLI 测量现状，SLO 定义期望，Error Budget 驱动行动。缺少任何一环，稳定性管理都会变成盲人摸象。