2. SLI 口径定义：构成要素与精度影响

SLI 口径（Service Level Indicator Definition）是 SRE 可观测性体系的基石。一个不精确的口径会导致误告警、错误容量规划甚至业务决策偏差。本节从构成要素出发，系统拆解分子、分母、时间窗口与聚合方式对精度的影响。

2.1 SLI 口径的四大构成要素

任何 SLI 口径都可以抽象为以下四元组：

2.2 分子与分母：精度陷阱

分子与分母的定义直接决定 SLI 是否反映真实用户体验。常见精度问题包括：

• 分母污染：将健康检查、预加载、爬虫流量计入分母，导致成功率虚低。
• 分子过窄：仅将 HTTP 200 视为成功，忽略 201/204/304 等正常响应。
• 重试污染：客户端自动重试导致同一用户请求被多次计入分母，分子却只计最后一次成功。
• 超时截断：服务端在超时后返回 200，但用户实际已等待超时——分子虚高。

2.3 时间窗口：平滑与灵敏的平衡

时间窗口的选择直接影响 SLI 的波动特性：

2.4 聚合方式：均值掩盖真相

聚合方式的选择决定了 SLI 能否反映真实分布。以下对比展示不同聚合方式对同一数据集的精度影响：

2.5 口径定义对精度的综合影响

以下 SVG 展示四大要素如何协同影响 SLI 精度：

2.6 口径精度校准流程

以下流程帮助团队系统化校准 SLI 口径：

1. 定义用户旅程：明确哪些请求代表真实用户交互。
2. 选择观测点：在网关层或客户端 SDK 采集数据，避免服务端内部重试污染。
3. 设定成功标准：明确 HTTP 状态码范围、响应时间阈值、业务逻辑校验规则。
4. 确定分母范围：排除健康检查、预加载、爬虫、内部监控流量。
5. 选择时间窗口：告警用 1-2 分钟，SLO 报告用 1 小时或滚动窗口。
6. 选择聚合方式：延迟用 P99，可用性用比率，错误率用滑动窗口。
7. 验证与迭代：对比口径输出与真实用户体验，持续校准。

2.7 常见口径精度问题速查