4. 误差预算计算模型：SLI/SLO定义、误差消耗速率、预算剩余时间、预算燃烧率算法

误差预算（Error Budget）是服务等级目标（SLO）与真实服务表现之间的量化桥梁。本章将系统拆解误差预算的核心计算模型，从SLI/SLO的原始定义出发，逐步推导误差消耗速率、预算剩余时间以及预算燃烧率算法，为后续的根因定位提供精确的数学依据。

4.1 SLI与SLO的定义与量化

在计算误差预算之前，必须明确两个基础概念：服务等级指标（SLI）和服务等级目标（SLO）。

• SLI（Service Level Indicator）：对服务某个维度（如延迟、错误率、吞吐量）的量化测量。通常表示为一段时间内的好事件计数 / 总事件计数。
• SLO（Service Level Objective）：为SLI设定的目标阈值，即服务提供方承诺的SLI下限。例如：“99.9% 的请求延迟小于 200ms”。

以一个典型的HTTP API服务为例：

4.2 误差消耗速率（Error Budget Burn Rate）

误差消耗速率描述了单位时间内误差预算被消耗的速度。它是判断服务是否处于“快速燃烧”状态的核心指标。

定义：在给定时间窗口内，实际错误率超出SLO允许错误率的倍数。

Burn Rate = (1 - 实际SLI) / (1 - SLO)

其中：
- 实际SLI = 好事件数 / 总事件数
- 1 - 实际SLI = 实际错误率
- 1 - SLO = 允许的最大错误率（即总误差预算比例）

示例计算：

• SLO = 99.9% → 允许错误率 = 0.1%
• 实际SLI = 99.7% → 实际错误率 = 0.3%
• Burn Rate = 0.3% / 0.1% = 3.0

这意味着当前错误率是以允许速率的3倍在消耗预算。当Burn Rate持续大于1时，误差预算将提前耗尽。

4.3 预算剩余时间（Time to Budget Exhaustion）

预算剩余时间（TTBE）预测在当前消耗速率下，误差预算将在多久后耗尽。这是一个前瞻性指标，用于判断剩余响应窗口。

计算公式：

TTBE = 剩余预算比例 / 当前消耗速率

其中：
- 剩余预算比例 = (SLO时间窗口内总事件数 × (1 - SLO) - 已消耗错误事件数) / (SLO时间窗口内总事件数 × (1 - SLO))
- 当前消耗速率 = 当前时间窗口内的Burn Rate × 单位时间允许错误事件数

简化版（适用于快速估算）：

TTBE (分钟) = (1 - SLO) × 总事件数 / (当前错误率 - 允许错误率) / 每分钟事件数

示例：

• SLO = 99.9%，30天窗口（43200分钟）
• 总事件数 = 1000万
• 允许错误事件数 = 1000万 × 0.1% = 10000
• 已消耗错误事件数 = 6000
• 剩余预算 = 4000个错误事件
• 当前错误率 = 0.3%，每分钟事件数 = 10000
• 当前每分钟错误事件数 = 10000 × 0.3% = 30
• TTBE = 4000 / 30 ≈ 133分钟

4.4 预算燃烧率算法（Multi-Window Burn Rate Algorithm）

单一窗口的Burn Rate容易受短期波动影响。Google SRE实践中推荐使用多窗口燃烧率算法，通过组合短、中、长三个时间窗口的燃烧率，提高告警的准确性和鲁棒性。

算法核心：同时监控多个时间窗口的燃烧率，当任意窗口的燃烧率超过对应阈值时触发告警。

算法步骤：

1. 分别计算1小时、6小时、3天窗口内的实际错误率。
2. 将各窗口实际错误率除以SLO允许错误率，得到各窗口的Burn Rate。
3. 将各窗口Burn Rate与对应阈值比较。
4. 任意窗口超过阈值，则触发对应严重级别的告警。

// 伪代码示例
function checkBurnRate(sli_data, slo_target):
    error_budget = 1 - slo_target
    windows = [1h, 6h, 72h]
    thresholds = [14.4, 6.0, 1.0]

    for i in range(len(windows)):
        actual_error_rate = compute_error_rate(sli_data, windows[i])
        burn_rate = actual_error_rate / error_budget
        if burn_rate >= thresholds[i]:
            alert("窗口: " + windows[i] + " 燃烧率: " + burn_rate)

4.5 综合计算示例：从SLI到预算耗尽预警

以下是一个完整的端到端计算示例，展示如何从原始SLI数据推导出预算剩余时间和燃烧率告警。

场景设定：

• 服务SLO：99.9%（30天滚动窗口）
• 总请求量：5000万/30天
• 允许错误事件数：5000万 × 0.1% = 50000
• 当前已消耗错误事件数：35000
• 剩余预算：15000个错误事件
• 最近1小时错误率：0.25%（即每小时错误事件数 = 5000万/720小时 × 0.25% ≈ 1736）

计算步骤：

1. 计算1小时窗口Burn Rate：0.25% / 0.1% = 2.5（未超过快速阈值14.4）
2. 计算6小时窗口Burn Rate：假设6小时平均错误率0.18% → 0.18% / 0.1% = 1.8（未超过中速阈值6.0）
3. 计算3天窗口Burn Rate：假设3天平均错误率0.12% → 0.12% / 0.1% = 1.2（超过慢速阈值1.0，触发P2告警）
4. 计算TTBE：剩余预算15000 / 每小时消耗1736 ≈ 8.6小时

4.6 误差预算台账的数学结构

在服务画像系统中，误差预算台账需要持久化以下字段，以支持回溯分析和趋势预测：

4.7 常见陷阱与校准建议