2. SLO与SLI基础：定义服务等级目标与指标，如何为容量规划奠定可量化基础

在容量规划中，最常犯的错误是“凭感觉扩容”或“按峰值盲目加资源”。要解决这个问题，必须引入一套可量化的服务健康度衡量体系——SLI（服务等级指标）与SLO（服务等级目标）。它们不仅是监控的输入，更是容量水位优化的“度量衡”。

2.1 核心概念：SLI、SLO与Error Budget

在开始实战之前，需要清晰区分这三个基础概念。它们构成了从“测量”到“目标”再到“预算”的完整闭环。

2.2 如何定义有效的SLI：从用户视角出发

并非所有指标都适合作为容量规划的SLI。必须选择那些能直接反映用户体验且与资源瓶颈强相关的指标。以下是四个核心维度：

1. 可用性（Availability）：服务是否正常响应。通常用请求成功率衡量。容量不足时，典型表现是连接超时或请求被拒绝。
2. 延迟（Latency）：服务响应速度。通常关注高百分位（如P99、P95）。容量不足时，延迟会显著增加，尤其是尾部延迟。
3. 吞吐量（Throughput）：服务处理请求的速率。通常用RPS（每秒请求数）或QPS衡量。这是容量规划的直接输入。
4. 饱和度（Saturation）：服务资源被占用的程度。例如CPU使用率、内存使用率、连接池占用率。这是容量规划的“先行指标”。

2.3 从SLI到SLO：设定可量化的容量红线

定义好SLI后，需要为其设定SLO。SLO的设定需要平衡用户体验与资源成本。以下是一个典型的SLO定义示例：

# 示例：核心API服务的SLO定义
service: "user-api"
slis:
  - name: "请求延迟 P99"
    measurement: "latency_p99_ms"
    slo:
      target: 200  # 单位：毫秒
      compliance_window: "rolling_30d"  # 滚动30天窗口
      threshold: 99.9  # 99.9%的请求需要满足此延迟
  - name: "请求成功率"
    measurement: "success_rate"
    slo:
      target: 99.99  # 百分比
      compliance_window: "rolling_30d"
      threshold: 99.99
  - name: "CPU饱和度"
    measurement: "cpu_utilization_pct"
    slo:
      target: 80  # CPU使用率不超过80%
      compliance_window: "rolling_1h"  # 短窗口用于容量告警
      threshold: 99.0

在容量规划中，SLO的合规窗口非常重要。长窗口（如30天）用于评估整体服务质量，短窗口（如1小时）用于触发容量告警和扩缩容决策。

2.4 Error Budget：容量决策的“货币”

Error Budget是SLO的衍生品，它量化了服务可以“犯错”的额度。在容量规划中，Error Budget的状态直接决定了资源策略：

• Error Budget充足（> 50%剩余）：可以接受更高的资源利用率，允许进行成本优化、缩容或使用更便宜的实例类型。
• Error Budget中等（20% - 50%剩余）：保持当前容量策略，谨慎进行变更，监控资源趋势。
• Error Budget紧张（< 20%剩余）：立即启动容量保障流程，暂停非必要的变更，准备扩容或限流。
• Error Budget耗尽（0%）：触发SLO违规，必须立即进行容量修复，否则将面临严重的服务降级。

2.5 容量规划的可量化基础：SLI/SLO驱动的水位模型

将SLI、SLO和Error Budget整合后，可以构建一个清晰的容量水位模型。这个模型将资源利用率与服务质量直接挂钩，使得容量决策有据可依。

2.6 实战案例：从指标到容量决策

假设一个电商核心服务“订单服务”定义了以下SLO：

• SLI：P99延迟 < 500ms
• SLO：99.9%的请求在30天滚动窗口内满足此延迟
• Error Budget：月度总请求量的0.1%

某天，监控显示P99延迟从200ms飙升至450ms，CPU使用率从60%升至85%。此时：

1. SLI告警：延迟SLI接近SLO红线，CPU饱和度SLI已超过80%的预警线。
2. Error Budget消耗：计算过去1小时的错误预算消耗，发现消耗速度是平时的5倍。
3. 容量决策：根据Error Budget剩余量（假设剩余40%），决定立即扩容2个Pod，并触发容量水位复盘。

2.7 本章小结：可量化基础的建设路径

为容量规划奠定可量化基础，需要完成以下三步：