3. 基于调用链的延迟SLI口径定义：如何从Jaeger Span的Duration字段提取并定义P50/P90/P99延迟SLI

3.1 延迟SLI的核心口径：Span Duration

在Jaeger调用链数据模型中，Span 是追踪的最小工作单元，其 Duration 字段（微秒）精确记录了该操作从开始到结束的耗时。延迟SLI（Service Level Indicator）正是基于这些Span的Duration进行统计聚合，以反映服务的响应性能。

定义延迟SLI时，需要明确三个关键维度：

• 统计口径：选择P50（中位数）、P90、P99等百分位值，而非平均值，以屏蔽长尾异常对整体感知的干扰。
• 采样范围：明确是全部Span、特定服务Span，还是特定操作（Endpoint）的Span。
• 时间窗口：通常以1分钟或5分钟为粒度，滚动计算百分位值。

3.2 从Jaeger Span提取Duration的字段路径

Jaeger存储的Span数据结构（以JSON为例）中，Duration字段位于顶层。以下是从原始数据到SLI计算字段的映射关系：

3.3 P50/P90/P99延迟SLI的数学定义与计算逻辑

百分位延迟SLI的计算基于有序数据集。假设在时间窗口T内，某服务有N个成功Span的Duration值，按升序排列为 d[0] ≤ d[1] ≤ ... ≤ d[N-1]：

• P50（中位数）：第 ceil(0.50 * N) 个位置的Duration值。代表半数请求的体验上限。
• P90：第 ceil(0.90 * N) 个位置的Duration值。代表90%请求的体验上限，常用于SLO定义。
• P99：第 ceil(0.99 * N) 个位置的Duration值。代表99%请求的体验上限，反映长尾性能。

3.4 延迟SLI口径定义流程

以下流程图展示了从Jaeger Span到P50/P90/P99延迟SLI的完整提取与定义路径：

3.5 口径定义示例：基于OpenTelemetry Collector的配置

以下是一个使用OpenTelemetry Collector的 spanmetrics 处理器，从Jaeger兼容的Span数据中提取延迟百分位的配置片段：

processors:
  spanmetrics:
    metrics_exporter: prometheus
    latency_histogram_buckets: [5ms, 10ms, 25ms, 50ms, 100ms, 250ms, 500ms, 1s, 2.5s, 5s, 10s]
    dimensions:
      - key: http.method
      - key: http.status_code
    dimensions_cache_size: 1000
    aggregation_temporality: cumulative
    # 关键：只统计成功Span
    filter:
      spans:
        include:
          match_type: strict
          services:
            - "order-service"
        exclude:
          span_status:
            status_codes:
              - ERROR

3.6 口径定义清单与校验

在完成延迟SLI口径定义后，建议使用以下清单进行校验：

3.7 延迟SLI口径的最终输出格式

经过上述步骤，最终输出的延迟SLI指标应包含以下字段，以便后续基线校准：

• metric_name: latency_sli_p50 / latency_sli_p90 / latency_sli_p99
• labels: {service="order-service", operation="/checkout", window="1m"}
• value: 微秒单位的百分位值，例如 125000（即125ms）
• timestamp: 窗口结束时间戳