1. 课程导论：质量门禁与 SLI 的基本概念、课程目标与学习路径
1.1 为什么需要质量门禁？
在微服务与云原生架构下，系统依赖关系复杂、变更频率极高。传统“上线后靠人工盯屏”的运维模式已无法应对故障爆炸半径。质量门禁（Quality Gate）正是在这一背景下诞生的——它是一套自动化的、基于可观测数据的决策机制，在软件交付与运行的关键节点（如发布、扩缩容、流量切换）前，强制校验系统健康状态，不符合预设条件则阻断或回滚。
核心价值：将“事后救火”转变为“事前拦截”，降低 MTTR（平均修复时间），提升 SRE 承诺的 SLA 达成率。
1.2 SLI 与质量门禁的关系
SLI（Service Level Indicator，服务等级指标）是质量门禁的“传感器”。没有精确的 SLI 口径，门禁要么过于敏感（误阻断正常发布），要么过于迟钝（放过故障）。
| 概念 | 定义 | 在门禁中的角色 |
|---|---|---|
| SLI | 服务性能或可靠性的直接量化指标，如请求延迟 P99、错误率、吞吐量 | 门禁的输入信号 |
| SLO | SLI 的目标阈值，如“P99 延迟 ≤ 200ms” | 门禁的判定标准 |
| 质量门禁 | 自动化策略引擎，对比 SLI 与 SLO 后输出 Pass/Block | 决策执行者 |
1.3 课程核心目标
通过本课程，你将掌握以下四项关键能力：
- 精准定义 SLI 口径：区分“测量什么”与“怎么测量”，避免常见口径陷阱（如忽略健康检查请求、窗口期过短）。
- 搭建质量门禁流水线：在 CI/CD 和运行时网关中嵌入 SLI 校验逻辑，实现自动化阻断。
- 基于 SLI 的故障排查：当门禁触发告警时，快速定位根因，区分是代码变更、基础设施抖动还是 SLI 口径偏差。
- 持续优化门禁策略：根据误报率与漏报率调整 SLO 阈值与评估窗口，平衡安全性与发布效率。
1.4 学习路径与章节地图
课程分为四个阶段，循序渐进：
| 阶段 | 章节范围 | 核心产出 |
|---|---|---|
| 基础篇 | 第 1-5 章 | 理解 SLI 四类黄金信号，掌握口径设计原则 |
| 门禁构建篇 | 第 6-12 章 | 在 Kubernetes 和 API 网关中落地门禁策略 |
| 故障实战篇 | 第 13-22 章 | 基于真实案例，演练从门禁告警到根因定位的全流程 |
| 进阶优化篇 | 第 23-30 章 | 自适应门禁、多指标复合评估、大规模集群下的性能优化 |
学习建议：每章都包含一个可复用的“门禁规则模板”或“SLI 口径检查清单”，建议在阅读时打开自己的可观测平台（如 Prometheus + Grafana）对照实践。
1.5 质量门禁与 SLI 的闭环架构
下图展示了从指标采集到门禁决策的完整数据流：
1.6 课程中的关键术语速查
为便于后续章节理解，先统一以下高频术语：
| 术语 | 全称 / 说明 | 常见误区 |
|---|---|---|
| SLI | Service Level Indicator，服务等级指标 | 将原始指标（如 CPU）直接当作 SLI |
| SLO | Service Level Objective，服务等级目标 | SLO 设置过高导致频繁误阻断 |
| Error Budget | 错误预算 = 1 - SLO，允许的故障时间 | 忽略 Error Budget 消耗速率 |
| Burn Rate | 错误预算消耗速度，用于快速告警 | 仅用固定阈值，未考虑速率 |
| Quality Gate | 质量门禁，自动化决策点 | 门禁只检查“是否可用”，不检查“是否健康” |
避坑提示：很多团队在初期将“延迟平均值”作为 SLI，但平均值会掩盖长尾问题。本课程所有案例均使用百分位值（P50 / P95 / P99）作为延迟 SLI 口径。