4、变更检测触发机制：变更事件的定义、变更检测的触发条件与事件源
变更检测触发机制是服务画像与SLI口径重算之间的“扳机”。没有精准的触发，口径重算要么滞后于真实环境变化，要么因过度频繁触发而产生无效计算。本章聚焦于三个核心问题：什么是变更事件、什么条件下触发检测、事件从哪些源头产生。
4.1 变更事件的定义
变更事件是指服务画像中任意一个可观测属性发生实质性改变的离散记录。一个完整的变更事件必须包含以下五个要素：
| 要素 | 说明 | 示例 |
|---|---|---|
| 事件ID | 全局唯一标识，用于去重与追踪 | chg-20250321-001 |
| 时间戳 | 变更被观测到的精确时间（纳秒级） | 2025-03-21T14:30:00.123456789Z |
| 变更对象 | 发生变更的服务画像维度 | service_topology |
| 变更类型 | 新增、修改、删除、状态切换 | MODIFY |
| 变更前后快照 | 变更前后的属性值（或哈希摘要） | before: v1.2.3 → after: v1.2.4 |
设计要点：变更事件必须包含变更前后快照，否则无法判断变更是否影响SLI口径。仅记录“某属性变了”而不记录“变前变后是什么”，会导致后续重算无法确定口径偏移量。
4.2 变更检测的触发条件
并非所有属性变化都需要触发SLI口径重算。触发条件分为硬条件和软条件两类：
4.2.1 硬触发条件（必须触发）
- 服务拓扑变更：上下游依赖新增/删除、调用关系重连、服务实例扩缩容超过阈值（如实例数变化 > 20%）。
- SLI口径依赖属性变更：直接参与SLI计算的关键属性（如响应时间分位数阈值、错误码白名单、标签过滤规则）发生修改。
- 元数据版本变更：服务画像的元数据版本号（如
profile_version）递增，表示画像结构发生结构性调整。
4.2.2 软触发条件（评估后触发）
- 指标分布漂移：画像中某指标的统计分布（P50/P90/P99）在连续3个检测窗口内偏移超过基线 ±15%。
- 标签基数突变：某关键标签（如
region、deploy_env）的基数在5分钟内变化超过 30%。 - 配置热更新：配置中心推送变更，但需等待生效确认（至少2个健康检查周期）后才触发检测。
避坑提示：软触发条件必须设置冷却期（默认300秒），防止因指标抖动导致频繁触发。冷却期内相同变更对象的事件会被合并，仅保留最后一次快照。
4.3 事件源分类与接入
变更事件源分为三大类，每类对应不同的采集协议与数据格式：
| 事件源类型 | 典型系统 | 采集协议 | 变更粒度 |
|---|---|---|---|
| 基础设施层 | Kubernetes、Terraform、CMDB | Watch API / Webhook / gRPC Stream | Pod、Node、Service、Namespace |
| 应用层 | 服务注册中心（Consul/Nacos/Eureka）、配置中心（Apollo/Etcd） | Event Bus / Change Data Capture (CDC) | 服务实例、路由规则、配置项 |
| 可观测层 | Prometheus、Grafana、日志平台、Trace系统 | Alert Hook / Webhook / 轮询对比 | 指标元数据、标签集、采样率 |
4.4 变更检测触发流程
下图展示了从事件源到触发SLI口径重算的完整链路：
4.5 事件去重与合并策略
同一变更可能被多个事件源重复上报（例如K8s Watch和CMDB Webhook同时报告Pod扩缩容）。必须建立去重与合并机制：
- 基于事件ID去重：相同
event_id的事件只处理一次。 - 基于变更对象+时间窗口合并：同一变更对象在冷却期内发生的多次变更，合并为一次“最终状态变更”。
- 优先级裁决：当多个事件源对同一对象报告冲突状态时，以基础设施层事件源为准（如K8s Watch优先于CMDB）。
生产实践：建议在事件总线消费端使用幂等消费者模式，配合Redis记录已处理的事件ID。合并后的变更事件写入变更事件表，保留最近7天的历史记录用于审计与回滚。
4.6 变更事件与SLI口径的映射关系
并非所有变更事件都会触发口径重算。只有命中口径依赖矩阵的变更才需要重算。映射关系如下：
| 变更事件类型 | 影响的口径维度 | 重算动作 |
|---|---|---|
| 服务实例扩缩容 | 服务拓扑、实例列表 | 重新聚合SLI指标（聚合基数变化） |
| 标签新增/删除 | 标签过滤规则、分组维度 | 重新计算分组SLI与整体SLI |
| 响应时间阈值调整 | SLI口径中的SLO阈值 | 重新计算SLI达成率与燃烧率 |
| 错误码白名单变更 | 错误率口径定义 | 重新统计错误请求与总请求 |
| 依赖服务下线 | 上下游依赖链 | 重新计算依赖成功率与延迟 |
通过上述机制，变更检测触发系统能够精准识别“哪些变化值得重算”，避免无效计算对SLI口径系统造成冲击，同时确保服务画像始终与真实运行环境保持一致。