3. SLI口径设计方法论：从用户旅程出发、定义关键路径、确定测量边界

SLI（Service Level Indicator）口径设计的核心挑战在于：测量什么以及在哪里测量。如果口径定义与用户真实体验脱节，再精确的指标也无法反映服务质量。本章提出一套可复用的三阶段方法论，帮助团队从用户视角出发，逐层收敛到可落地的测量方案。

3.1 设计三阶段总览

SLI口径设计遵循“由外向内、由粗到细”的递进逻辑，分为三个阶段：

3.2 阶段一：用户旅程映射

用户旅程映射的目标是还原用户视角下的真实交互过程，而非系统内部的调用链路。每个旅程应包含以下要素：

• 触发条件：用户发起操作的动机或场景（如“打开App首页”、“点击搜索按钮”）。
• 交互触点：用户与系统发生交互的界面或API入口（如“提交订单表单”、“调用支付接口”）。
• 等待/反馈点：用户等待系统响应的时刻（如“支付结果返回”、“页面加载完成”）。
• 成功标准：用户认为“任务完成”的明确信号（如“看到订单成功页”、“收到确认短信”）。

以下是一个电商“搜索商品→加入购物车→提交订单→支付成功”的简化用户旅程示例：

3.3 阶段二：定义关键路径

并非用户旅程中的所有步骤都需要纳入SLI监控。关键路径是指：如果该步骤失败或性能劣化，用户将无法完成核心业务目标的路径。筛选标准包括：

• 业务影响度：该步骤失败是否直接导致用户流失、交易失败或客诉上升？
• 用户感知度：该步骤的延迟是否被用户明确感知（如“页面白屏5秒” vs “后台异步任务延迟2秒”）？
• 依赖复杂度：该步骤是否依赖多个下游系统，故障扩散风险高？

以下是一个典型电商系统的关键路径提取示例：

3.4 阶段三：确定测量边界

测量边界定义了SLI的起止点、采样范围、聚合粒度与有效条件。边界不清晰是SLI口径歧义的首要原因。一个完整的测量边界定义包含以下维度：

• 时间边界：测量从哪个事件开始，到哪个事件结束？例如，“从用户点击‘提交订单’按钮开始，到客户端收到HTTP 200响应结束”。
• 空间边界：测量覆盖哪些地域、机房、客户端类型？例如，“仅测量中国大陆地区、App端iOS用户”。
• 条件边界：哪些请求被排除在测量之外？例如，“排除爬虫流量、排除预发布环境请求、排除用户主动取消的订单”。
• 聚合边界：按什么维度聚合？例如，“按每分钟、按API端点、按用户ID哈希分桶”。

以下是一个“提交订单”SLI的完整边界定义示例：

3.5 口径定义模板与案例

基于上述三阶段，最终输出的SLI口径定义应包含以下字段。以下是一个完整的“支付成功率”SLI口径定义：

3.6 常见口径设计陷阱

以下是在实际项目中反复出现的口径设计问题，建议在评审阶段逐一核对：

• 陷阱1：测量边界与用户感知错位——例如，SLI测量的是“服务端收到请求到返回响应”的时间，但用户感知的是“点击按钮到页面更新”的时间，中间遗漏了客户端渲染和网络传输。
• 陷阱2：关键路径遗漏——只关注了“主链路”而忽略了“分支链路”。例如，支付成功后的“订单状态同步”如果失败，用户虽然看到支付成功，但后续物流无法触发。
• 陷阱3：排除条件过于宽松——将大量“非典型”请求排除后，SLI数值虚高，掩盖了真实问题。例如，排除了所有超时请求，导致可用性永远接近100%。
• 陷阱4：聚合粒度太粗——按天聚合的SLI无法发现分钟级的毛刺故障。建议至少支持分钟级聚合，并保留原始数据用于下钻。