4. SLI参数设计总览：参数类型、参数粒度、参数聚合方式、参数阈值设定
在基础设施可观测性体系中，SLI（Service Level Indicator）的口径设计并非简单的“选一个指标”。真正决定SLI有效性的，是隐藏在指标背后的参数设计。参数设计决定了SLI能反映什么、反映多细、如何计算以及何时告警。本章从四个核心维度展开：参数类型、参数粒度、参数聚合方式、参数阈值设定，构建完整的SLI参数设计总览。
核心认知： SLI参数设计是连接原始观测数据与业务SLO的桥梁。参数选错，再好的监控工具也无法准确衡量服务质量。
4.1 参数类型：定义SLI的观测维度
参数类型决定了SLI“观测什么”。在基础设施领域，SLI参数通常分为以下四大类：
| 参数类型 | 描述 | 典型示例 | 适用场景 |
|---|---|---|---|
| 计数型（Counter） | 单调递增的累计值，只能增加或重置 | 请求总数、错误总数、CPU时间片 | 吞吐量、错误率计算 |
| 计量型（Gauge） | 可上下浮动的瞬时值 | CPU使用率、内存占用、连接数 | 资源饱和度、容量规划 |
| 直方图型（Histogram） | 观测值分布统计，包含桶计数 | 请求延迟分布、响应大小分布 | 延迟SLI、长尾分析 |
| 摘要型（Summary） | 预计算的分位数与总数 | p50/p99延迟、平均响应时间 | 性能基准、SLO合规 |
设计原则： 计数型适合计算比率（如错误率 = 错误计数 / 总计数），计量型适合监控水位（如内存使用率），直方图型适合分析分布特征（如延迟分布）。避免将计量型直接用于比率计算，否则会引入采样偏差。
4.2 参数粒度：控制观测的精细程度
参数粒度决定了SLI“看得多细”。粒度过粗会掩盖问题，粒度过细则带来存储与计算成本爆炸。粒度设计需在精度与成本之间取得平衡。
- 时间粒度： 数据采集与聚合的时间窗口。常见粒度：1s、10s、1m、5m。
- 空间粒度： 观测对象的划分维度。常见粒度：单机、集群、可用区、地域。
- 标签粒度： 附加的维度标签。常见粒度：无标签、服务名、版本号、实例ID。
| 粒度级别 | 优势 | 劣势 | 推荐场景 |
|---|---|---|---|
| 粗粒度（5m / 集群级） | 存储成本低，趋势清晰 | 无法定位单点故障 | 长期容量规划、全局健康看板 |
| 中粒度（1m / 服务级） | 成本可控，可发现服务级异常 | 无法区分实例差异 | 日常SLO监控、告警 |
| 细粒度（10s / 实例级） | 精准定位，快速发现毛刺 | 存储与查询成本高 | 故障排查、性能调优 |
避坑指南： 不要对所有SLI使用同一粒度。建议采用“分层粒度”策略：上层SLO使用粗粒度聚合，下层故障排查保留细粒度原始数据。例如：SLO使用5m粒度，但保留1s粒度的原始样本用于事后分析。
4.3 参数聚合方式：将原始数据转化为有效信号
原始观测数据必须经过聚合才能成为有意义的SLI。聚合方式的选择直接影响SLI的敏感性与准确性。
- 求和（Sum）： 适用于计数型指标，如总请求数、总错误数。
- 平均值（Avg）： 适用于计量型指标，如平均CPU使用率。注意：平均值会掩盖极端值。
- 分位数（Quantile）： 适用于直方图型指标，如p99延迟。能有效反映长尾性能。
- 比率（Rate）： 适用于计算单位时间内的变化率，如请求速率（req/s）。
- 最大值/最小值（Max/Min）： 适用于捕捉极端行为，如最大延迟、最小可用内存。
4.4 参数阈值设定：定义好坏的标准
阈值是SLI的“裁判”。没有合理的阈值，SLI只是一串数字。阈值设定需结合业务预期、历史基线与统计分布。
- 固定阈值： 适用于有明确物理上限的指标，如CPU使用率 < 90%、内存使用率 < 85%。
- 动态阈值： 基于历史数据自动计算，适用于周期性或趋势性指标，如请求延迟的p99 < 基线 + 2σ。
- 复合阈值： 多个条件组合，适用于复杂场景，如错误率 > 1% 且持续时间 > 5分钟。
- 分位数阈值： 基于分布设定，适用于延迟类指标，如p99延迟 < 500ms。
| 阈值类型 | 优点 | 缺点 | 典型应用 |
|---|---|---|---|
| 固定阈值 | 简单直观，易于理解 | 无法适应业务变化 | CPU、内存、磁盘使用率 |
| 动态阈值 | 自适应，减少误报 | 需要历史数据，计算复杂 | 请求延迟、错误率 |
| 复合阈值 | 减少抖动告警 | 配置复杂，调试困难 | 高可用场景、关键业务 |
| 分位数阈值 | 关注长尾，精准反映体验 | 需要直方图数据支持 | API延迟、页面加载时间 |
最佳实践： 阈值设定应遵循“先松后紧”原则。初期使用较宽松的阈值（如p99延迟 < 1s），随着系统稳定逐步收紧（如p99延迟 < 200ms）。同时，阈值必须与SLO目标对齐，避免出现“SLI达标但用户感知差”的脱节。
4.5 参数设计总览：四维一体
参数类型、参数粒度、聚合方式、阈值设定并非孤立存在，它们共同构成SLI参数设计的完整闭环。以下表格总结了四维之间的关联关系：
| 维度 | 核心问题 | 典型选择 | 常见错误 |
|---|---|---|---|
| 参数类型 | 观测什么？ | Counter / Gauge / Histogram | 用Gauge计算比率 |
| 参数粒度 | 看多细？ | 1m / 实例级 / 服务级 | 全量使用细粒度 |
| 聚合方式 | 怎么算？ | Sum / Avg / Quantile / Rate | 延迟用平均值 |
| 阈值设定 | 好坏标准？ | 固定 / 动态 / 复合 / 分位数 | 阈值与SLO脱节 |
总结： SLI参数设计不是一次性工作。随着业务演进与系统变化，参数类型、粒度、聚合方式与阈值都需要持续迭代。建议每季度进行一次参数设计评审，确保SLI始终准确反映服务质量。