2. 服务画像基础概念

2.1 什么是服务画像？

服务画像（Service Profiling）是对一个微服务或应用系统进行多维度、结构化、可量化的描述与建模过程。它类似于“用户画像”之于产品运营，服务画像为 SRE 和 DevOps 团队提供了一份关于服务“是谁、长什么样、如何运行”的标准化快照。

在 DORA 度量体系中，服务画像是定义 SLI（Service Level Indicator）口径的前置条件。没有准确的服务画像，SLI 的采集范围、聚合粒度、阈值设定都会失去依据，导致度量结果无法真实反映服务的健康状态。

2.2 服务画像的核心维度

一个完整的服务画像由以下五个核心维度构成，它们共同决定了 SLI 的采集策略与计算口径：

2.3 服务画像五维关系图

下图展示了五个核心维度之间的依赖与影响关系，以及它们如何共同作用于 SLI 口径的定义：

2.4 各维度详解

2.4.1 业务属性

业务属性是服务画像的顶层维度，它定义了服务的商业价值和运营等级。常见的业务属性分类包括：

• 服务等级：Critical（核心交易链路）、Important（重要支撑服务）、Best Effort（非关键辅助服务）
• SLA 承诺：99.99% / 99.9% / 99% 等不同级别的可用性目标
• 业务域：支付域、用户域、商品域、订单域等
• 合规要求：数据主权、审计日志保留周期、加密标准

2.4.2 技术栈

技术栈决定了可观测性数据的采集可行性和指标暴露格式。不同技术栈的 SLI 采集方式差异显著：

2.4.3 部署模式

部署模式直接影响 SLI 的聚合粒度和可用性计算模型。以下是三种主流部署模式下的 SLI 口径差异：

• K8s 容器化：SLI 按 Pod 粒度采集，可用性 = 就绪 Pod 数 / 期望 Pod 数，支持 HPA 自动扩缩容场景
• 虚拟机 / 裸金属：SLI 按主机粒度采集，可用性 = 健康实例数 / 总实例数，需考虑蓝绿部署时的流量切换
• Serverless：SLI 按函数调用粒度采集，可用性 = 成功调用次数 / 总调用次数，冷启动延迟需单独建模

2.4.4 流量特征

流量特征决定了 SLI 的采样策略和百分位计算方式。不同流量模式下的 SLI 口径差异：

2.4.5 团队结构

团队结构影响 SLI 中变更失败率和MTTR 的计算口径：

• Owner 团队：明确 SLI 的负责人，变更失败率按团队维度聚合
• On-Call 轮值：MTTR 的计时起点从 On-Call 工程师确认告警开始，而非告警触发时间
• 变更审批流程：需要审批的变更，失败率计算应排除“因审批延迟导致的回滚”场景
• 发布频率：高频发布团队（每日多次）的变更失败率 SLI 应采用滚动窗口（如 7 天），而非固定周期

2.5 服务画像与 SLI 口径的映射关系

以下表格总结了五个维度如何具体影响 SLI 的采集、聚合、计算、阈值四个环节：

2.6 服务画像的实践要点

1. 标准化模板：团队应建立统一的服务画像模板，确保所有服务都按相同维度描述，避免口径不一致
2. 自动化采集：通过 CMDB、服务注册中心、K8s 标签等基础设施自动填充画像信息，减少人工维护成本
3. 版本化管理：服务画像应纳入版本控制（如 Git），每次架构变更都需更新画像并触发 SLI 口径重新评估
4. 定期审计：每季度对服务画像进行审计，确保画像与实际运行状态一致，避免“画像漂移”
5. 与 SLI 联动：服务画像的变更应自动触发 SLI 口径的重新计算，形成“画像变更 → 口径更新 → 度量生效”的闭环