📚 课程目录第4章误差预算台账定义

4. 误差预算台账定义：什么是制品供应链的误差预算、台账数据结构设计

在云原生制品供应链中，误差预算（Error Budget） 源自站点可靠性工程（SRE）理念，但在镜像存储成本优化场景下被赋予了新的含义。它不再仅衡量服务可用性，而是衡量制品存储成本与预期基准之间的偏差容忍度。简单来说，误差预算 = 实际存储成本 - 预期基准成本。当偏差超出预算时，意味着存储资源存在浪费或配置异常，需要触发优化动作。

4.1 什么是制品供应链的误差预算

制品供应链的误差预算定义了三层核心概念：

预期基准（Budget Baseline）：基于制品版本生命周期、访问频率、保留策略计算出的理论最优存储成本。例如，一个稳定版本镜像在 90 天后应自动归档至冷存储，其基准成本为冷存储单价 × 镜像大小。
实际消耗（Actual Consumption）：Harbor 中该制品当前占用的实际存储成本，包括热存储、冷存储、跨区域复制副本等所有费用。
误差率（Error Rate）：(实际消耗 - 预期基准) / 预期基准 × 100%。正值表示超支，负值表示低于预期（可能因清理过度或策略过严）。

    关键原则：误差预算不是财务预算，而是成本偏差的量化指标。当误差率超过预设阈值（如 15%）时，系统应自动生成优化建议或触发清理流水线。

下表展示了不同制品类型的误差预算示例：

制品类型	预期基准（元/月）	实际消耗（元/月）	误差率	状态
nginx:1.25.0	12.50	18.30	+46.4%	超支
redis:7.2.4	8.00	8.10	+1.25%	正常
python:3.11-slim	5.20	3.80	-26.9%	低于预期

实践建议：误差预算的阈值应根据制品的重要性和访问模式动态调整。核心生产镜像可设置 5% 的严格阈值，而开发测试镜像可放宽至 20%。

4.2 台账数据结构设计

误差预算台账（Error Budget Ledger）是记录每次制品存储成本偏差的时序数据表。其设计需满足可追溯、可聚合、可预警三大要求。核心字段包括时间戳、制品标识、存储量、误差率等。

以下为推荐的台账数据结构：

-- 误差预算台账表结构（PostgreSQL 示例）
CREATE TABLE error_budget_ledger (
    id              BIGSERIAL PRIMARY KEY,
    timestamp       TIMESTAMPTZ NOT NULL DEFAULT NOW(),   -- 记录时间戳
    artifact_name   VARCHAR(255) NOT NULL,                -- 制品名（含项目/仓库前缀）
    artifact_version VARCHAR(128) NOT NULL,               -- 版本号（tag 或 digest 前 12 位）
    storage_bytes   BIGINT NOT NULL,                      -- 实际存储量（字节）
    baseline_bytes  BIGINT NOT NULL,                      -- 预期基准存储量（字节）
    error_rate      NUMERIC(6,4) NOT NULL,                -- 误差率（保留 4 位小数）
    cost_actual     NUMERIC(12,4),                        -- 实际成本（元）
    cost_baseline   NUMERIC(12,4),                        -- 基准成本（元）
    storage_tier    VARCHAR(32),                          -- 存储层级（hot/cold/archive）
    trigger_action  VARCHAR(64),                          -- 触发动作（none/archive/delete/compression）
    created_at      TIMESTAMPTZ DEFAULT NOW()
);

-- 常用查询索引
CREATE INDEX idx_ledger_artifact ON error_budget_ledger(artifact_name, artifact_version);
CREATE INDEX idx_ledger_timestamp ON error_budget_ledger(timestamp DESC);
CREATE INDEX idx_ledger_error_rate ON error_budget_ledger(error_rate DESC) WHERE error_rate > 0.15;

注意：时间戳字段建议使用 TIMESTAMPTZ 类型，确保跨时区环境下的数据一致性。制品名应包含完整的项目路径（如 library/nginx），避免同名不同项目导致的混淆。

4.3 台账数据流与误差计算逻辑

误差预算台账的数据流从 Harbor 制品扫描开始，经过成本映射、基准计算、偏差评估，最终写入台账表。以下 SVG 图展示了完整的处理流程：

4.4 台账数据聚合与查询模式

为了支撑成本优化决策，台账数据需要支持多种聚合查询。以下为常见的查询模式及其 SQL 示例：

查询模式	用途	SQL 示例
按制品聚合	查看单个制品的误差趋势	`SELECT artifact_name, AVG(error_rate) FROM ledger WHERE timestamp > NOW() - INTERVAL '7 days' GROUP BY artifact_name;`
按时间窗口聚合	查看每日/每周整体误差率	`SELECT DATE_TRUNC('day', timestamp) AS day, AVG(error_rate) FROM ledger GROUP BY day ORDER BY day;`
超支制品列表	快速定位成本异常	`SELECT DISTINCT artifact_name FROM ledger WHERE error_rate > 0.15 AND timestamp > NOW() - INTERVAL '1 day';`
存储层级分布	分析各层级成本占比	`SELECT storage_tier, SUM(storage_bytes) FROM ledger WHERE timestamp = (SELECT MAX(timestamp) FROM ledger) GROUP BY storage_tier;`

优化技巧：对于超大规模 Harbor 实例（制品数 > 10 万），建议使用 物化视图 或 时序数据库（如 TimescaleDB）来存储台账数据，避免每次查询都扫描全表。同时，设置合理的保留策略（如保留 90 天明细数据，之后聚合为小时级数据）。

4.5 误差预算台账与成本优化的联动机制

台账不仅仅是记录工具，更是成本优化的决策引擎。当误差率持续超过阈值时，系统应自动触发以下优化动作：

自动归档：将误差率 > 20% 且超过 30 天未拉取的镜像自动迁移至冷存储。
版本清理：对误差率 > 50% 的制品，自动删除超过保留策略的旧版本。
压缩建议：对基础镜像层（如 alpine、ubuntu）启用跨项目共享压缩，减少冗余存储。
策略调整：当某个项目的整体误差率连续 7 天超过 10% 时，自动调整其保留策略或存储层级。

风险提示：自动优化动作必须设置回滚机制。例如，在删除镜像前，先将其元数据备份至台账的 trigger_action 字段，并保留 48 小时的恢复窗口。避免因误判导致生产环境镜像丢失。

通过以上数据结构与联动机制，误差预算台账将 Harbor 的存储成本从“黑盒”转变为“可观测、可控制、可优化”的透明体系，为后续的自动化成本治理奠定数据基础。