3. SLO 目标设定方法：基于用户旅程的目标设定、错误预算的计算与分配、目标值（如 99.9%）的选取策略

设定有效的 SLO（Service Level Objective）是 SRE 实践的核心。本章将深入讲解如何从用户旅程出发定义有意义的 SLO，如何计算并分配错误预算，以及如何科学地选取目标值（如 99.9%）。

3.1 基于用户旅程的目标设定

传统的 SLO 设定往往从基础设施或单个微服务指标出发，容易陷入“指标孤岛”。真正有效的 SLO 应当从用户旅程（User Journey）开始，识别对用户业务价值最关键的操作。

用户旅程 SLO 设定步骤：

1. 识别关键旅程：列出用户完成核心业务目标所需的端到端步骤（如：登录 → 搜索商品 → 加入购物车 → 支付）。
2. 定义旅程指标：为每个旅程定义可用性、延迟、吞吐量指标。例如，“支付旅程”的可用性定义为“支付请求成功并返回确认页面的比例”。
3. 映射到服务依赖：将旅程指标拆解为后端服务、数据库、网络等组件的指标。
4. 设定旅程级 SLO：优先保障高价值旅程的 SLO，而非所有服务一刀切。

3.2 错误预算的计算与分配

错误预算（Error Budget）是 SLO 的衍生概念，它量化了系统在给定时间窗口内允许失败的总量。错误预算 = 1 - SLO。例如，99.9% 的 SLO 意味着每月有 0.1% 的请求可以失败。

错误预算的计算公式：

错误预算 = 总请求数 × (1 - SLO)
例如：月总请求数 = 10,000,000，SLO = 99.9%
错误预算 = 10,000,000 × 0.001 = 10,000 次失败

错误预算的分配策略：

3.3 目标值（如 99.9%）的选取策略

选取 SLO 目标值需要在“用户体验”和“工程成本”之间取得平衡。过高的目标（如 99.999%）会带来指数级增长的运维成本，而过低的目标则无法保障用户满意度。

目标值选取的决策框架：

1. 用户期望调研：通过用户反馈、竞品分析、行业基准确定用户可接受的最低体验。
2. 成本效益分析：评估提升 0.1% 可用性所需的额外基础设施、冗余设计和人力成本。
3. 历史数据参考：基于过去 3-6 个月的实际可用性数据，设定一个“跳一跳够得着”的目标。
4. 渐进式提升：从较低的 SLO（如 99.9%）开始，随着系统稳定性提升逐步提高。

常见目标值参考：

3.4 综合案例：电商平台 SLO 设定

假设一个电商平台，核心用户旅程为“下单支付”。我们按照上述方法进行 SLO 设定：

1. 用户旅程：搜索商品 → 查看详情 → 加入购物车 → 提交订单 → 支付 → 确认。
2. 旅程 SLO：支付成功率 ≥ 99.95%，支付 P95 延迟 ≤ 2s。
3. 错误预算：月总支付请求 500 万次，允许失败 2500 次（500万 × 0.05%）。
4. 分配：支付网关分配 40% 错误预算（1000 次），订单服务 30%（750 次），用户服务 20%（500 次），数据库 10%（250 次）。
5. 目标值：从 99.9% 起步，经过 3 个月稳定性提升后，逐步调整至 99.95%。