2. 误差预算原理

误差预算（Error Budget）是 SRE 实践中最具操作性的量化工具。它将抽象的可靠性目标转化为可消耗、可追踪、可决策的“预算额度”，让团队在稳定性与迭代速度之间做出理性权衡。

2.1 误差预算定义

误差预算 = 1 − SLO 目标值。它代表服务在 SLO 时间窗口内允许的最大不可用比例。

2.2 误差预算计算方式

误差预算的计算基于 SLO 合规率。以月度滑动窗口为例：

误差预算总额 = 总时间窗口 × (1 − SLO 目标)
已消耗预算 = 总时间窗口 × (1 − 实际可用性)
剩余预算   = 误差预算总额 − 已消耗预算

实际案例（30天窗口，SLO=99.9%）：

总时间窗口 = 30 × 24 × 60 = 43,200 分钟
误差预算总额 = 43,200 × 0.001 = 43.2 分钟

假设本月已发生 20 分钟故障：
已消耗预算 = 20 分钟
剩余预算   = 43.2 − 20 = 23.2 分钟
预算消耗率 = 20 / 43.2 ≈ 46.3%

2.3 误差预算消耗与重置机制

误差预算的消耗和重置遵循严格的滑动窗口规则：

• 消耗触发：任何导致 SLO 未达标的事件（延迟、错误、超时）都会消耗预算。消耗量 = 未达标请求数 × 请求权重。
• 消耗速率：突发故障会快速消耗预算；持续低水平错误则缓慢消耗。
• 重置方式：采用滑动窗口机制，旧数据随时间推移自动移出窗口，预算逐步恢复。
• 重置周期：通常为 28 天或 30 天滑动窗口，非固定日历月。

2.4 误差预算消耗与重置可视化

下图展示了一个 30 天滑动窗口内误差预算的消耗与恢复过程：

2.5 误差预算作为风险量化工具的价值

误差预算将“风险”从定性描述转化为定量指标，为 SRE 和研发团队提供统一的决策语言：

2.6 误差预算驱动的决策框架

下图展示了误差预算如何连接 SLO 监控、发布决策和 MTTR 复盘：

2.7 误差预算的工程落地要点

• 窗口选择：推荐 28 天或 30 天滑动窗口，避免固定日历月带来的边界效应。
• 粒度控制：按服务/API 维度独立计算预算，避免“一个服务拖垮全局”。
• 告警阈值：设置预算消耗率告警（如 50%/75%/90%），预留响应时间。
• 自动化联动：预算耗尽时自动阻断发布流水线，触发复盘工单。
• 可视化看板：实时展示预算消耗曲线、剩余预算、消耗速率趋势。