1. 课程导论：多环境 IaC 的挑战与 SLI/SLO 体系的价值
现代软件交付要求基础设施能够快速、可靠地在开发、测试、预发布、生产等多个环境中复制。基础设施即代码（IaC）虽然实现了环境定义的版本化和自动化，但在多环境场景下，配置漂移、参数不一致、口径模糊等问题反而成为新的瓶颈。本课程旨在建立一套基于 SLI（服务级别指标）与 SLO（服务级别目标）的量化治理框架，让多环境 IaC 从“能跑”走向“可度量、可预测”。
1.1 多环境 IaC 的核心挑战
当 IaC 从单环境扩展到多环境时，团队通常会遇到以下四类典型问题：
| 挑战类别 | 具体表现 | 典型后果 |
|---|---|---|
| 配置漂移 | 不同环境的手动热修复未同步回 IaC 仓库，导致声明状态与实际状态偏离 | 生产环境回滚失败、测试环境无法复现线上问题 |
| 参数口径不一致 | 同一资源（如 RDS 实例规格）在开发环境用“db.t3.medium”，在生产环境用“db.r5.large”，但缺乏统一的参数映射规则 | 性能压测结果失真、成本估算偏差 |
| 环境间依赖混乱 | 模块 A 在测试环境依赖模块 B 的 v1.2，但在预发布环境依赖 v1.5，版本约束未显式声明 | 部署顺序错误、依赖冲突导致管道阻塞 |
| 合规与安全基线差异 | 生产环境要求加密和审计日志，但开发环境未启用，且 IaC 模板未通过参数开关统一控制 | 安全扫描频繁告警、合规审计不通过 |
关键洞察： 上述问题的根源不在于 IaC 工具本身，而在于缺乏一套跨环境的量化评估体系。没有 SLI，团队无法判断环境“健康”与否；没有 SLO，团队无法定义“可接受”的偏差阈值。
1.2 SLI/SLO 体系如何解决多环境 IaC 问题
SLI（服务级别指标）是对基础设施状态或行为的量化测量，例如“IaC 模板覆盖率”、“配置漂移检测通过率”、“环境部署成功率”。SLO（服务级别目标）则是团队承诺的目标值，例如“生产环境 IaC 覆盖率 ≥ 99.5%”。将 SLI/SLO 引入 IaC 治理，可以实现以下转变：
- 从模糊到可度量： 每个环境都有明确的健康指标，不再依赖“感觉”判断环境是否正常。
- 从被动到主动： 当 SLI 持续偏离 SLO 时，自动触发告警或修复管道，而非等到故障发生。
- 从差异到标准化： 通过统一的 SLI 口径定义，强制不同环境使用相同的参数配置规则和度量方式。
下图展示了多环境 IaC 治理中 SLI/SLO 体系的核心作用位置：
1.3 本课程的核心内容与学习路径
本课程共 30 章，围绕“SLI 口径定义 → 参数配置策略 → 多环境治理落地”三条主线展开。下表概括了课程的主要模块：
| 模块 | 章节范围 | 核心产出 |
|---|---|---|
| 基础概念与体系设计 | 第 1-5 章 | SLI 口径模板、SLO 分级标准、多环境参数分类法 |
| SLI 采集与计算 | 第 6-12 章 | 覆盖率检测器、漂移扫描器、合规审计管道 |
| 参数配置策略 | 第 13-20 章 | 环境变量分层、后端状态隔离、参数覆盖规则 |
| SLO 驱动治理 | 第 21-26 章 | 告警规则、自动修复工作流、SLO 仪表盘 |
| 实战案例与进阶 | 第 27-30 章 | 多云环境适配、大规模团队协作、持续改进机制 |
学习建议： 如果你所在团队尚未建立任何 IaC 度量体系，建议从第 2 章“SLI 口径定义原则”开始，先掌握指标设计方法，再逐步引入参数配置策略。已有一定基础的读者可以直接跳到第 6 章，了解如何用 OpenTelemetry 或自定义 exporter 采集 IaC 指标。
1.4 为什么 SLI/SLO 比传统配置管理更有效
传统多环境 IaC 治理通常依赖“配置审计”或“人工巡检”，这种方式存在三个固有缺陷：
- 滞后性： 审计通常是周级或月级，漂移发生后数天才能发现。
- 主观性： 不同运维人员对“配置是否一致”的判断标准不同。
- 不可预测： 无法提前预知环境退化趋势。
SLI/SLO 体系通过持续测量和量化目标，将治理从“事后补救”转变为“事前预防”。例如，当“环境 IaC 覆盖率”SLI 从 99% 下降到 97% 时，系统可以在达到 SLO 阈值（95%）之前自动触发修复管道，避免环境完全失控。
下图对比了传统治理与 SLI/SLO 驱动治理的工作流程差异：
注意： SLI/SLO 体系不是银弹。如果团队连基本的 IaC 版本控制和 CI/CD 管道都没有建立，建议先打好基础再引入度量体系。本课程假设读者已具备 Terraform 或类似工具的基本使用经验。