4. 误差预算定义：SLO与SLI的关系、误差预算的计算公式与消耗机制

在制品供应链的可靠性工程中，误差预算（Error Budget）是连接SLO（服务等级目标）与SLI（服务等级指标）的量化桥梁。它定义了系统在给定时间窗口内允许发生故障或性能降级的总“额度”。理解误差预算的生成与消耗机制，是自动化编排可靠性台账的前提。

4.1 SLO与SLI的关系：从测量到承诺

SLI是系统实际表现的原始测量值，而SLO是团队对SLI设定的目标阈值。两者之间的关系可以概括为：

• SLI（服务等级指标）：可量化的系统行为指标，如请求延迟P99、错误率、可用性百分比。
• SLO（服务等级目标）：对SLI的承诺边界，例如“99.9%的请求延迟小于200ms”。
• 误差预算：SLO允许的“不达标”空间，即 1 - SLO。

4.2 误差预算的计算公式

误差预算的数学定义非常简洁，但实际计算时需要明确时间窗口和指标类型。通用公式如下：

# 通用误差预算公式
Error Budget = 1 - SLO_target

# 基于可用性SLO的月度预算（单位：秒）
Monthly Budget (seconds) = Total Seconds in Month × (1 - SLO)

# 示例：SLO = 99.9%，30天月份
Total Seconds = 30 × 24 × 3600 = 2,592,000
Error Budget = 2,592,000 × (1 - 0.999) = 2,592,000 × 0.001 = 2,592 秒 ≈ 43.2 分钟

4.3 误差预算的消耗机制

消耗机制定义了“何时、如何”从预算池中扣除额度。在制品供应链场景中，消耗通常与部署事件和故障事件绑定。

4.3.1 基于时间窗口的消耗模型

最常用的模型是滑动窗口消耗：

• 窗口长度：通常为30天（滚动），与SLO评估周期一致。
• 消耗粒度：每分钟或每小时计算一次SLI达标情况。
• 消耗规则：若该分钟SLI未达标，则扣除该分钟对应的预算份额。

4.4 误差预算在Terraform台账中的映射

在制品供应链的Terraform资源编排中，误差预算被建模为可计算资源。每个制品（Artifact）或服务组件对应一个误差预算台账条目，包含以下核心属性：

# Terraform 误差预算台账资源示例（伪代码）
resource "error_budget_account" "artifact_checkout" {
  service_name    = "checkout-service"
  slo_target      = 0.9999          # 99.99%
  window_seconds  = 2592000         # 30天
  consumed_seconds = 0              # 当前消耗
  last_reset_time = "2025-01-01T00:00:00Z"

  # 消耗规则
  consumption_rules {
    fault_consumption_rate  = 1.0   # 1秒故障消耗1秒预算
    deploy_consumption_rate = 0.5   # 每次部署消耗0.5秒预算
  }
}

4.5 误差预算的恢复与重置

误差预算并非永久消耗，它遵循滑动窗口恢复机制：

• 自动恢复：随着时间窗口滑动，旧的故障事件移出窗口，预算自动恢复对应额度。
• 手动重置：仅在重大架构变更或SLO重新协商时，通过Terraform apply手动重置台账。
• 恢复速率：等于时间流逝速率（1秒/秒），但受限于窗口内未消耗的预算上限。