1. 课程导论：服务画像与制品误差预算台账的定义、误差根因定位的重要性、课程整体架构与学习目标
1.1 服务画像：可观测性的语义锚点
在微服务与云原生架构中，服务画像（Service Profiling）是对一个服务运行时特征的多维度、结构化描述。它不仅仅是监控指标的集合，更是将指标、日志、链路、事件、变更等可观测性数据，按照服务身份、依赖关系、行为模式、健康状态进行语义化建模的结果。
| 维度 | 描述 | 典型数据源 |
|---|---|---|
| 身份维度 | 服务名称、版本、所属团队、环境、部署单元 | CMDB、K8s Label、服务注册中心 |
| 依赖维度 | 上游调用方、下游依赖、中间件、数据库、外部API | 链路追踪、服务网格拓扑 |
| 行为维度 | 请求量、延迟分布、错误率、饱和度、资源消耗 | Prometheus、ELK、自定义埋点 |
| 健康维度 | SLO达成率、错误预算消耗、告警活跃度、变更频率 | SLI采集、告警平台、变更工单 |
关键认知：服务画像不是静态的“服务卡片”，而是随着每次部署、每次流量波动、每次故障注入而动态演化的运行时快照。它是后续所有误差分析的基础上下文。
1.2 制品误差预算台账：从SLO到可审计的误差记录
制品误差预算台账（Artifact Error Budget Ledger）是将服务画像中的健康维度数据，按照制品（Artifact）粒度进行归因和持久化的记录系统。每个制品（如Docker镜像、JAR包、Helm Chart）在发布后，其引入的误差消耗会被逐笔记录，形成可追溯、可审计的误差流水。
- 误差预算（Error Budget）： 1 - SLO，代表服务可容忍的不可用时间或错误次数。
- 误差消耗（Error Consumption）： 每次SLO违反事件对预算的扣减量。
- 台账条目（Ledger Entry）： 包含时间戳、制品版本、误差类型、消耗量、关联变更、根因标签。
台账的核心价值：将模糊的“服务不稳定”转化为可量化的“制品X在时间Y消耗了Z%的误差预算”，从而将根因定位范围从整个服务缩小到特定制品及其变更。
1.3 误差根因定位的重要性
在传统运维中，当服务SLO告警触发时，团队往往陷入“告警疲劳—人工排查—猜测根因—回滚试错”的低效循环。误差根因定位（Error Root Cause Localization）通过服务画像与误差预算台账的联动，实现以下三个层级的跃升：
- 从“症状”到“病灶”： 台账直接指向消耗预算的制品版本，而非停留在“CPU高”或“延迟大”等表象。
- 从“猜测”到“证据”： 画像中的依赖维度和行为维度提供变更前后的对比基线，形成可复现的误差证据链。
- 从“回滚”到“精准止血”： 定位到具体代码变更、配置项或依赖版本，支持灰度回滚、配置热修复或限流降级等精准操作。
1.4 课程整体架构与学习目标
本课程共30章，按照“认知构建 → 数据建模 → 流程设计 → 工具落地 → 案例实战”五段式结构展开。每章均包含理论讲解、可操作步骤、以及可直接复用的代码或配置片段。
| 阶段 | 章节范围 | 核心交付物 |
|---|---|---|
| 第一阶段：认知构建 | 第1-5章 | 服务画像元模型、误差预算台账数据字典、根因定位成熟度评估 |
| 第二阶段：数据建模 | 第6-12章 | 画像采集管道（OpenTelemetry + Prometheus）、台账存储设计（时序+关系混合模型） |
| 第三阶段：流程设计 | 第13-20章 | 误差消耗归因算法、变更影响范围推断、根因定位决策树与工作流 |
| 第四阶段：工具落地 | 第21-26章 | 画像看板（Grafana）、台账查询API、自动化根因定位引擎（Python实现） |
| 第五阶段：案例实战 | 第27-30章 | 3个真实生产故障复盘（延迟毛刺、内存泄漏、依赖降级） |
学习目标：完成本课程后，你将能够独立设计并落地一套“服务画像 → 误差预算台账 → 根因定位”的闭环体系，将平均故障定位时间（MTTR）降低60%以上，并实现每次部署变更的误差影响可审计、可追溯。
前置要求：本课程假设学员已具备基本的SRE概念（SLO/SLI/错误预算）、熟悉至少一种可观测性平台（如Grafana、Datadog）、并有基础的Python编程能力用于理解自动化引擎代码。第1章不涉及代码，但从第2章开始将逐步引入可运行的示例。