4. 可用性SLI口径案例：基于HTTP状态码的可用性SLI定义

在SRE实践中，可用性SLI是最基础也是最容易产生歧义的指标。本章以“HTTP状态码判定”为切入点，解析从原始日志到最终SLI数值的完整口径工程链路，重点对比200/非200判定逻辑与健康检查探针口径的差异。

4.1 核心概念：可用性SLI的两种定义模式

4.2 200/非200判定逻辑的工程陷阱

最简单的SLI公式：可用性 = 成功请求数 / 总请求数。但“成功请求”的定义远不止“HTTP 200”。

4.2.1 状态码分类与业务语义映射

4.2.2 判定逻辑的代码实现示例

# 伪代码：可用性SLI计算核心逻辑
def is_request_successful(status_code, business_context):
    # 基础规则：2xx 全部成功
    if 200 <= status_code < 300:
        return True

    # 业务规则：3xx 根据上下文判断
    if 300 <= status_code < 400:
        if business_context == "redirect_service":
            return True  # 短链接重定向视为成功
        return False     # 其他场景视为异常

    # 4xx：客户端错误，通常不计入服务端失败
    if 400 <= status_code < 500:
        # 但429（限流）可视为服务端容量不足
        if status_code == 429:
            return False
        return True  # 默认不计入服务端失败

    # 5xx：服务端错误，全部失败
    if status_code >= 500:
        return False

    return False  # 未知状态码视为失败

4.3 健康检查探针口径：独立于用户请求的SLI

健康检查探针（Health Check Probe）是基础设施层面的可用性检测手段，其SLI口径与用户请求SLI存在本质区别。

4.3.1 探针SLI的典型架构

4.3.2 探针口径的三大风险

1. 路径不一致：探针只检测/healthz端点，而用户请求经过完整的中间件链路（认证、限流、数据库），探针健康不代表业务可用。
2. 状态码简化：探针通常只返回200或503，丢失了4xx/5xx的细粒度语义，无法反映限流（429）或依赖故障（502）等场景。
3. 采样偏差：探针以固定间隔（如15s）发起请求，无法捕获两次探针之间的瞬时故障，SLI会偏乐观。

4.4 口径案例：从原始日志到SLI的完整链路

4.5 口径评审清单

在可靠性评审报告中，针对可用性SLI口径，必须逐项确认以下内容：