1. 课程导论：误差预算概念、审计日志重要性、Terraform 在 SRE 中的角色

本课程聚焦于一个高价值但常被忽视的 SRE 实践：使用 Terraform 自动化采集制品误差预算台账的审计日志。在深入技术实现之前，本节将建立三个核心认知支柱：误差预算的工程意义、审计日志在合规与可观测性中的关键作用，以及 Terraform 作为基础设施编排器在 SRE 工作流中的独特定位。

1.1 误差预算：SRE 的可靠性货币

误差预算（Error Budget）是 Google SRE 团队提出的核心概念，它将服务可靠性从“目标”转化为“可量化、可交易”的工程指标。其基本公式为：

Error Budget = 100% - SLO（服务等级目标）
例如：SLO = 99.9% → Error Budget = 0.1% 的总可用时间

误差预算的核心价值在于：

• 量化风险容忍度：明确团队可以承受多少故障时间，避免“零故障”的不可持续追求。
• 驱动发布决策：当预算充足时，可以加速功能发布；当预算耗尽时，必须冻结变更、优先恢复稳定性。
• 对齐业务与工程：将用户体验指标（延迟、错误率、吞吐量）转化为团队可操作的预算额度。

下表对比了传统可靠性管理与误差预算驱动的 SRE 模式：

1.2 审计日志：可观测性的“元数据”与合规基石

在 SRE 实践中，审计日志（Audit Log）记录了“谁、在何时、对什么资源、执行了什么操作”。对于误差预算台账而言，审计日志提供了以下不可替代的价值：

• 变更溯源：当误差预算突然消耗时，审计日志能快速定位是哪个配置变更、发布操作或基础设施调整导致了指标恶化。
• 合规与取证：金融、医疗等受监管行业要求保留所有影响可靠性的操作记录，审计日志是满足 SOC2、ISO 27001 等标准的核心证据。
• 预算消耗归因：将每一次预算消耗事件（如 P1 故障、SLO 违规）与具体的变更操作关联，形成完整的“预算-变更-影响”链路。

审计日志在误差预算台账中的典型数据模型如下：

{
  "timestamp": "2025-03-15T14:32:00Z",
  "actor": "terraform-service-account",
  "action": "UPDATE",
  "resource": "module.frontend.aws_lb_listener_rule.canary",
  "change_set": "release-v2.3.1",
  "error_budget_impact": -0.002,
  "compliance_tags": ["slo:99.9%", "env:production"]
}

1.3 Terraform 在 SRE 中的角色：从编排到治理

Terraform 早已超越单纯的基础设施编排工具，在 SRE 体系中承担着策略执行层和审计数据源的双重角色：

• 声明式配置即代码：所有基础设施变更都通过 Terraform 代码进行，天然形成可审计的变更记录。
• 状态文件作为事实源：Terraform 状态文件（terraform.tfstate）记录了每一次资源变更的完整快照，是审计日志的黄金数据源。
• Provider 生态与钩子：通过 Provider 的 pre-apply / post-apply 钩子，可以在变更前后自动采集误差预算指标并写入审计日志。

下图展示了 Terraform 在 SRE 误差预算审计链路中的核心位置：

1.4 三者融合：本课程的核心命题

将误差预算、审计日志与 Terraform 三者融合，形成以下闭环治理体系：

1. 定义：在 Terraform 配置中声明 SLO 与误差预算阈值。
2. 执行：每次 Terraform apply 时，自动采集变更前后的预算状态。
3. 记录：将变更事件、预算消耗、操作人信息写入不可篡改的审计日志存储。
4. 告警：当预算消耗超过预设水位线时，触发告警并自动冻结后续变更。
5. 复盘：通过审计日志回溯预算消耗的完整变更链，驱动持续改进。