3. 误差预算模型设计：定义SLI/SLO、计算误差预算消耗、预算告警阈值设定

误差预算（Error Budget）是SRE实践中的核心量化工具，它将服务可靠性与产品迭代速度统一到一个可度量的经济模型中。在制品供应链场景下，误差预算模型用于衡量从代码提交到制品部署全链路的“不可用”或“不符合预期”的时长与次数，从而驱动基线配置的自动调整与告警响应。

3.1 核心概念与模型结构

误差预算模型由三个层次构成：

• SLI（Service Level Indicator）：直接测量的原始指标，如流水线成功率、制品分发延迟、配置同步失败率。
• SLO（Service Level Objective）：对SLI设定的目标阈值，如“月度流水线成功率 ≥ 99.9%”。
• 误差预算：SLO允许的最大不可用或失败额度，通常以百分比或时间单位表示。

3.2 制品供应链SLI定义

针对制品供应链的四个关键阶段，定义以下SLI：

3.3 SLO设定与误差预算计算

SLO的设定需要平衡可靠性与迭代速度。以下为推荐的SLO基线：

误差预算消耗计算示例：

# 假设30天内流水线总触发次数 = 100,000
# 失败次数 = 150
# 实际成功率 = (100,000 - 150) / 100,000 = 99.85%
# SLO = 99.9%
# 误差预算消耗 = max(0, 99.9% - 99.85%) = 0.05%
# 预算总额 = 0.1%
# 剩余预算 = 0.1% - 0.05% = 0.05%
# 剩余可用失败次数 = 0.05% * 100,000 = 50次

3.4 预算告警阈值设定

告警阈值采用多级预警策略，确保在预算耗尽前有足够的响应时间：

• 警告（Warning）：剩余预算 ≤ 30% —— 触发通知，进入观察期。
• 严重（Critical）：剩余预算 ≤ 10% —— 触发自动降级或冻结非关键变更。
• 耗尽（Exhausted）：剩余预算 = 0% —— 触发紧急响应，暂停所有非修复性流水线。

3.5 Terraform中的误差预算配置实现

在Terraform中，误差预算模型通过locals和data块实现动态计算，并与监控告警资源联动：

# 定义SLO与预算参数
locals {
  slo_pipeline_success   = 0.999
  slo_sync_failure       = 0.9999
  budget_window_days     = 30

  # 从Prometheus查询实际SLI（示例）
  actual_pipeline_success = data.prometheus_query.pipeline_success.result[0].value[1]
  actual_sync_failure     = data.prometheus_query.sync_failure.result[0].value[1]

  # 计算误差预算消耗
  pipeline_budget_total   = 1 - local.slo_pipeline_success
  pipeline_budget_consumed = max(0, local.slo_pipeline_success - local.actual_pipeline_success)
  pipeline_budget_remaining = local.pipeline_budget_total - local.pipeline_budget_consumed
}

# 告警规则：剩余预算 < 30% 触发Warning
resource "prometheus_alert_rule" "pipeline_budget_warning" {
  name      = "PipelineErrorBudgetWarning"
  expr      = "pipeline_budget_remaining < 0.30"
  for       = "5m"
  severity  = "warning"
  labels = {
    team = "platform-sre"
  }
  annotations = {
    summary = "流水线误差预算剩余不足30%"
  }
}

# 告警规则：剩余预算 < 10% 触发Critical
resource "prometheus_alert_rule" "pipeline_budget_critical" {
  name      = "PipelineErrorBudgetCritical"
  expr      = "pipeline_budget_remaining < 0.10"
  for       = "2m"
  severity  = "critical"
  labels = {
    team = "platform-sre"
  }
  annotations = {
    summary = "流水线误差预算即将耗尽，自动降级已触发"
  }
}

3.6 预算消耗与基线同步的联动机制

当误差预算消耗超过阈值时，Terraform管理的配置基线应自动进入“保守模式”：

• 预算充足（剩余 > 70%）：正常同步所有基线配置。
• 预算警告（30% ~ 70%）：同步频率从实时降为每小时一次，跳过非关键配置。
• 预算严重（10% ~ 30%）：仅同步安全补丁和紧急修复配置，冻结功能变更。
• 预算耗尽（< 10%）：暂停所有基线同步，仅保留手动紧急通道。

此联动机制通过Terraform的condition和count元参数实现条件执行，确保供应链在不可靠状态下不会因自动同步引入更多风险。