1. 课程导论：变更失败率（CFR）的定义与重要性，服务画像工程的概念，课程目标与学习路径
1.1 变更失败率（CFR）的定义与核心地位
变更失败率（Change Failure Rate, CFR）是 DORA（DevOps Research and Assessment）定义的四大软件交付核心指标之一，用于衡量生产环境变更导致服务降级或中断的比例。其计算公式为：
CFR = (导致服务降级的变更次数 / 总变更次数) × 100%CFR 直接反映变更质量与系统韧性，是 SRE 团队衡量“变更风险”的关键窗口。根据 DORA 2023 年报告，精英效能团队的 CFR 通常低于 5%，而低效能团队的 CFR 可高达 30% 以上。
| 效能等级 | CFR 范围 | 部署频率 | 变更前置时间 |
|---|---|---|---|
| 精英 | < 5% | 按需（多次/天） | < 1 小时 |
| 高 | 5% – 10% | 每天到每周 | 1 天到 1 周 |
| 中 | 10% – 15% | 每周到每月 | 1 周到 1 月 |
| 低 | > 15% | 每月到每季度 | > 1 月 |
关键认知： CFR 不是孤立指标。它与部署频率、变更前置时间、平均恢复时间（MTTR）共同构成 DORA 四象限。高部署频率 + 低 CFR 才是“快速且可靠”的理想状态。
1.2 为什么 CFR 是 SRE 可观测性的核心战场
传统监控关注“系统是否运行”，而 CFR 关注“变更是否引入风险”。CFR 的准确计算依赖以下可观测性能力：
- 变更事件追踪： 每次部署、配置修改、特性开关切换必须被记录为结构化事件。
- 服务健康状态判定： 需要定义明确的“降级”标准（如错误率上升 20%、P99 延迟超过 500ms）。
- 因果关联： 将变更事件与后续的指标异常进行时间窗口关联，排除噪声。
缺乏可观测性支撑的 CFR 计算，往往退化为“人工复盘”或“凭感觉打分”，失去工程改进价值。
实践建议： 在初期，建议将 CFR 定义为“变更后 30 分钟内，核心黄金信号（错误率、延迟、吞吐量）是否突破基线阈值”。这比等待完整事故复盘更实时、更可自动化。
1.3 服务画像工程：从指标到服务认知
服务画像工程（Service Profiling Engineering）是指通过多维度的指标设计、数据采集与建模，为每个服务构建一个“可量化、可对比、可预测”的数字画像。它解决的核心问题是：
- 指标碎片化： 不同团队使用不同口径的指标，无法横向对比。
- 变更影响模糊： 无法快速回答“这次变更影响了哪些服务？影响程度如何？”
- 根因定位低效： 缺乏统一的服务依赖与健康状态视图。
服务画像的典型维度包括：
| 维度 | 描述 | 典型指标 |
|---|---|---|
| 健康度 | 服务当前运行状态 | 错误率、P99 延迟、可用性 |
| 变更风险 | 变更引入的不稳定性 | CFR、回滚率、变更频率 |
| 依赖关系 | 上下游服务拓扑 | 调用深度、依赖数、关键路径 |
| 资源效率 | 资源使用与成本 | CPU 利用率、内存占用、QPS/核 |
| 团队成熟度 | 工程实践水平 | 代码覆盖率、测试通过率、MTTR |
核心观点： 服务画像不是静态文档，而是一个持续更新的数据模型。CFR 是画像中“变更风险”维度的核心输入，而画像又反过来帮助团队理解 CFR 波动的根因。
1.4 课程目标与学习路径
本课程旨在帮助 SRE、可观测性工程师与平台工程团队，掌握从指标设计到服务画像落地的完整方法。课程分为四个阶段：
- 基础篇（第 1-8 章）： 理解 CFR 定义、DORA 框架、可观测性三大支柱（日志、指标、链路追踪）与指标设计原则。
- 方法篇（第 9-16 章）： 学习服务画像的建模方法、维度设计、数据采集策略与存储方案。
- 实践篇（第 17-24 章）： 通过真实案例，演示如何将 CFR 与画像工程结合，构建变更风险评估系统。
- 进阶篇（第 25-30 章）： 探讨大规模服务画像的自动化、AI 辅助分析与组织级推广。
完成本课程后，你将能够：
- 独立设计服务画像的指标体系与数据模型。
- 搭建基于 CFR 的变更风险自动化评估管道。
- 推动团队从“被动救火”转向“主动画像驱动”的 SRE 模式。
前置要求： 建议具备基础的 SRE 概念（如 SLI/SLO、错误预算）和至少一种可观测性平台（如 Prometheus + Grafana、Datadog、SkyWalking）的使用经验。
1.5 本章小结
本章建立了课程的核心概念框架：
- CFR 是衡量变更质量的关键指标，其准确计算依赖可观测性基础设施。
- 服务画像工程 提供了一种系统化的方法，将分散的指标整合为可操作的服务认知。
- 课程将围绕“指标设计 → 画像建模 → 工程落地”的主线展开，每个阶段都配有真实案例与可复用代码。