SLI 与 SLO 基础：定义、区别与 DORA 对齐

在 DORA 度量体系中，SLI（服务等级指标）与 SLO（服务等级目标）是构建可观测性与告警降噪策略的基石。本节将明确两者的定义、核心区别，并展示如何与 DORA 的四个关键指标（部署频率、变更前置时间、变更失败率、服务恢复时间）对齐，形成可量化的服务画像。

1. SLI：服务等级指标

SLI 是对服务某个特定维度的直接量化测量，通常以比率或百分比形式呈现。它回答的是“服务现在表现如何”的问题。

• 定义：SLI = 符合预期行为的样本数 / 总样本数 × 100%
• 常见维度：
• 可用性：请求成功返回 2xx/3xx 状态码的比例。
• 延迟：请求在特定百分位（如 p99）内的响应时间。
• 吞吐量：单位时间内成功处理的请求数。
• 错误率：返回 5xx 或业务错误码的请求占比。
• 饱和度：资源（CPU、内存、连接池）使用率。

2. SLO：服务等级目标

SLO 是为 SLI 设定的目标阈值，代表服务所有者承诺的服务水平。它回答的是“服务应该表现成什么样”的问题。

• 定义：SLO = SLI 在特定时间窗口内达到或超过的目标值。
• 示例：
• “月度可用性 SLO = 99.9%”（对应 SLI：可用性）
• “过去 28 天内，p99 延迟 SLO ≤ 500ms”（对应 SLI：延迟）
• 关键属性：
• 时间窗口：滚动窗口（如 28 天、7 天）或日历窗口（如月度）。
• 燃烧速率：SLO 消耗的速度，用于触发告警。
• 错误预算：SLO 允许的不可用时间或错误量。

3. SLI 与 SLO 的核心区别

4. 与 DORA 指标的对齐方法

DORA 的四个核心指标（部署频率、变更前置时间、变更失败率、服务恢复时间）本身是高阶业务指标，需要通过 SLI/SLO 进行分解和落地。对齐的核心思路是：将 DORA 指标转化为可观测的 SLI，并设定对应的 SLO。

5. 对齐实践：从 DORA 到 SLI/SLO 的映射表

以下表格展示了如何将每个 DORA 指标映射到具体的 SLI 和 SLO 示例，并关联到告警降噪策略：

6. 告警降噪与 SLO 燃烧速率

传统的基于静态阈值的告警（如“错误率 > 5%”）容易产生大量告警风暴。基于 SLO 的告警降噪通过燃烧速率（Burn Rate）来评估 SLO 的消耗速度，从而减少误报。

• 燃烧速率定义：单位时间内消耗的错误预算比例。
• 降噪原理：只有错误预算消耗速度超过预设阈值时，才触发告警。
• 示例：
• SLO：月度可用性 99.9%（错误预算 = 43.2 分钟）
• 燃烧速率阈值：1 小时内消耗超过 5% 的错误预算（约 2.16 分钟）
• 告警触发条件：过去 1 小时内不可用时间累计超过 2.16 分钟

7. 服务画像：基于 SLI/SLO 的健康度模型

服务画像是将 SLI/SLO 数据与 DORA 指标结合，形成对服务状态的多维度可视化描述。它帮助 SRE 团队快速识别服务瓶颈和风险。

8. 实践步骤：从零开始对齐

1. 识别关键 DORA 指标：根据团队当前阶段，选择 1-2 个 DORA 指标作为改进重点。
2. 定义对应的 SLI：确保 SLI 可采集、可计算，且与用户体验强相关。
3. 设定初始 SLO：基于历史数据或行业基准，设定一个可达成但具有挑战性的目标。
4. 配置燃烧速率告警：避免静态阈值告警，使用多窗口燃烧速率策略。
5. 构建服务画像：将 SLI/SLO 健康度与 DORA 等级（精英、高、中、低）关联，形成可视化仪表盘。
6. 持续迭代：每季度回顾 SLO 达成情况，根据业务需求调整目标。