4. 误差预算概念：数学定义、与SLO/SLI的关系、预算消耗速率

误差预算（Error Budget）是SRE实践中连接可靠性目标与变更速度的核心量化工具。它本质上是一个可容忍的失败额度——在SLO规定的周期内，系统允许发生多少次或多少比例的故障。一旦预算耗尽，团队应主动冻结高风险变更，优先投入稳定性工作。

4.1 误差预算的数学定义

误差预算的数学定义建立在SLO与SLI的差值之上。设SLO目标为 \( T \)（例如99.9%），SLI实际值为 \( S \)，则误差预算 \( B \) 的计算方式如下：

核心公式：

Error Budget = 1 - SLO_target
Remaining Budget = (1 - SLO_target) - (1 - SLI_actual)
                = SLI_actual - SLO_target

当 SLI_actual > SLO_target 时，剩余预算为正，系统处于健康状态；当 SLI_actual < SLO_target 时，预算为负，表示已超支。

4.2 误差预算与SLO/SLI的关系

三者的关系可以概括为“SLI测量现状，SLO设定边界，误差预算量化差距”。下图展示了它们之间的闭环联动：

4.3 预算消耗速率

预算消耗速率（Burn Rate）衡量误差预算被消耗的快慢，是早期预警的关键指标。它定义为实际失败率与SLO允许的最大失败率之比：

Burn Rate = (1 - SLI_actual) / (1 - SLO_target)

示例：
SLO = 99.9% → 允许失败率 = 0.1%
SLI = 99.7% → 实际失败率 = 0.3%
Burn Rate = 0.3% / 0.1% = 3.0

消耗速率的意义在于：

• Burn Rate = 1.0：恰好以SLO允许的速度消耗预算，周期结束时预算刚好用完。
• Burn Rate > 1.0：预算消耗过快，若不干预，将在周期结束前耗尽。
• Burn Rate < 1.0：预算消耗较慢，系统有富余容量。

下表展示了不同消耗速率下的预警阈值与响应动作：

在PromQL中，消耗速率可以通过以下表达式计算：

# 30分钟窗口的消耗速率
burn_rate_30m = (1 - avg_over_time(sli_success_ratio[30m])) / (1 - slo_target)

# 多窗口多速率告警（示例：1小时窗口，速率 > 2）
alert: HighBurnRate
expr: (1 - avg_over_time(sli_success_ratio[1h])) / (1 - 0.999) > 2
for: 5m
labels:
  severity: critical
annotations:
  summary: "误差预算消耗速率过高 ({{ $value | humanize }})"

4.4 多窗口消耗速率与预警策略

单一时间窗口的消耗速率容易受短期抖动影响。生产环境通常采用多窗口策略，同时监控短窗口（快速响应）和长窗口（消除噪声）：