1. SLI 与 SLO 基础概念

在可观测性与站点可靠性工程（SRE）体系中，SLI（Service Level Indicator，服务等级指标）与SLO（Service Level Objective，服务等级目标）是定义系统健康度、指导运维决策的核心度量框架。没有明确的 SLI 与 SLO，任何调用链数据、指标与日志都只是噪声，无法转化为可执行的可靠性行动。

1.1 什么是 SLI（服务等级指标）

SLI 是对服务某一维度真实表现的量化度量。它回答一个基本问题：“用户此刻感受到的服务质量如何？”。SLI 必须可采集、可计算、可对比，通常以比率或分布形式呈现。

1.2 什么是 SLO（服务等级目标）

SLO 是为 SLI 设定的目标阈值，它定义了“多好才算足够好”。SLO 不是一个固定值，而是基于业务容忍度、成本与风险平衡后确定的承诺边界。SLO 通常以“在时间窗口内，SLI 达到或超过目标值的比例”来表达。

# SLO 典型表达格式
SLO = "在 [滚动窗口] 内，[SLI 名称] ≥ [目标值] 的比例 ≥ [达标比例]"

# 示例
SLO = "在 28 天滚动窗口内，HTTP 请求 p99 延迟 ≤ 500ms 的比例 ≥ 99.9%"

1.3 SLI 与 SLO 在可观测性中的核心地位

可观测性（Observability）的三大支柱——指标（Metrics）、日志（Logs）、调用链（Traces）——只有在 SLI/SLO 框架下才能形成闭环。调用链数据（如 Jaeger 采集的 Span）是构建 SLI 最精细的数据源，因为它能穿透服务拓扑，定位到每一次请求的完整路径。

1.4 为什么调用链数据是 SLI 的最佳载体

相比聚合指标与日志，调用链数据在 SLI 构建中具有不可替代的优势：

• 端到端穿透：一次用户请求经过多个微服务，调用链能将各阶段延迟与错误串联，构建真实用户 SLI，而非单点指标。
• 错误根因定位：当 SLI 违反 SLO 时，调用链可直接定位到故障 Span，无需人工排查日志关联。
• 依赖拓扑可视化：通过调用链数据可自动生成服务依赖图，辅助识别 SLI 瓶颈节点。
• 高基数维度：调用链携带 Trace ID、Span ID、用户 ID、请求参数等标签，支持按任意维度切分 SLI。

1.5 SLI 口径基线校准的必要性

SLI 口径基线校准是指：基于历史调用链数据，为 SLI 建立动态的、可自适应的基准线，而非依赖固定阈值。原因如下：

1. 业务周期性波动：白天与夜晚、工作日与周末的流量模式不同，固定阈值会导致误告警或漏告警。
2. 服务拓扑变化：新服务上线、旧服务下线、依赖关系变更都会改变 SLI 分布。
3. 版本迭代影响：代码变更可能引入毫秒级延迟增加，固定阈值无法感知渐进式退化。
4. 错误预算精细化：只有校准后的基线，才能准确计算错误预算消耗速率。