3. 误差预算台账设计：数据结构、字段定义与存储选型

误差预算台账是 SRE 可观测性体系中的核心数据资产，它将抽象的 SLO 承诺转化为可量化、可审计的预算消耗记录。本章聚焦台账的数据结构设计、关键字段定义以及存储选型，为后续的资源配置与调优提供数据基础。

3.1 台账数据结构设计

误差预算台账本质上是一个时序事件流，每条记录对应一个时间窗口内的预算消耗快照。我们采用扁平化的宽表结构，以平衡查询性能与存储成本。

3.2 核心字段定义详解

3.2.1 时间窗口（Time Window）

时间窗口是误差预算计算的基本单元。常见的窗口策略包括：

• 固定窗口： 30 天滑动窗口，每天滚动一次，适用于月度 SLO 审计。
• 滚动窗口： 7 天连续滚动，每小时更新一次，适用于实时告警。
• 复合窗口： 同时维护多个窗口（如 1h、7d、30d），用于多速率告警规则。

3.2.2 消耗率（Burn Rate）

消耗率衡量预算消耗的速度，是触发告警的关键指标。计算公式为：

burn_rate = (bad_events / total_events) / (1 - slo_target)

例如，SLO 目标为 99.9%，实际错误率为 0.2%，则消耗率为 0.2% / 0.1% = 2.0。消耗率 > 1 表示预算消耗速度超过预期。

3.2.3 剩余预算（Remaining Budget）

剩余预算直接反映服务的健康度。当剩余预算接近 0 时，需要立即采取行动。我们定义三个阈值区间：

3.3 台账存储选型：Prometheus vs. Thanos

误差预算台账需要长期存储（至少 30 天）并支持高效查询。Prometheus 和 Thanos 是 Kubernetes 生态中最主流的时序数据库方案。以下从台账场景对比两者：

3.4 台账数据流架构

下图展示了误差预算台账从采集到存储的完整数据流，以及 Prometheus 与 Thanos 的分工边界。

3.5 台账存储配置示例

以下是一个基于 Thanos 的误差预算台账存储配置片段，使用 Prometheus Operator 的 Prometheus CRD 和 Thanos Sidecar：

apiVersion: monitoring.coreos.com/v1
kind: Prometheus
metadata:
  name: k8s-sre
spec:
  retention: 15d
  thanos:
    version: v0.34.1
    objectStorageConfig:
      key: thanos.yaml
      name: thanos-objectstorage
  additionalScrapeConfigs:
    name: additional-scrape-configs
    key: prometheus-additional.yaml
---
apiVersion: v1
kind: Secret
metadata:
  name: thanos-objectstorage
type: Opaque
stringData:
  thanos.yaml: |
    type: S3
    config:
      bucket: "sre-error-budget"
      endpoint: "s3.amazonaws.com"
      region: "us-east-1"
      access_key: "AKIA..."
      secret_key: "..."
      insecure: false
      signature_version2: false

3.6 台账查询最佳实践

基于上述数据结构，以下是一些常用的 PromQL 查询示例：

• 查询当前剩余预算：

error_budget_remaining{service_name="payment-api", slo_name="latency-p99-200ms"}

• 查询过去 1 小时消耗率：

rate(error_budget_consumed[1h]) / rate(error_budget_total[1h])

• 多窗口消耗率告警（基于多窗口多速率）：

# 1 小时窗口消耗率 > 2 倍
rate(error_budget_consumed[1h]) / rate(error_budget_total[1h]) > 2

# 5 分钟窗口消耗率 > 10 倍（快速燃烧）
rate(error_budget_consumed[5m]) / rate(error_budget_total[5m]) > 10