适用场景

没有指标的稳定性讨论都是感觉：用户说卡、运维说正常。SLI/SLO 把感觉变成数字，错误预算把"要不要发版"变成规则。

配置步骤（SLO 与错误预算）

# 示例：核心接口可用性 SLO 99.9%（月度）
# 错误预算 = 月度 43.2 分钟不可用
# 消耗规则：
#   <50% 正常发布
#   50%~100% 控制变更频率
#   >100% 冻结高风险变更，专治稳定性

关键参数与建议

  • SLI 选择：可用性（成功率）、延迟（P95/P99）、吞吐、数据正确性
  • SLO 设定：基于业务可接受度，而不是"越高越好"（99.9% 与 99.99% 成本差很大）
  • 错误预算：1 - SLO，用于平衡发布速度与稳定性
  • 测量口径：统计窗口、排除项（计划维护）要明确
  • 治理：预算耗尽时冻结高风险变更，优先稳定性工作

容易踩的坑

  • SLO 定得过高（99.99%），团队长期在救火
  • 错误预算无实际约束力，形同虚设
  • 未排除计划维护窗口，指标永远不达标

验证与巡检

# 证据：SLO 看板、错误预算消耗记录、变更冻结记录
  • 巡检：月度 SLO 报告、预算规则被执行

小结

SRE 指标落地的关键不是工具，而是业务方认可目标值。目标定完写进协议，之后讨论就有共同语言。

> 说明：文中命令为通用写法，不同型号/版本可能略有差异，落地前请对照设备实际版本的官方文档；带外管理与安全设备变更建议先在测试设备验证。