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（度量复盘与改进）

# 1) 月度：SLO 达成情况、预算消耗、Top 影响事件
# 2) 分析：哪些故障贡献了最多不可用时间
# 3) 改进：架构、容量、流程、检测能力
# 4) 目标调整：业务变化后重新评估 SLO

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

  • 只看指标不分析原因
  • 目标定完不调整，与实际脱节
  • 复盘不产出改进项

验证与巡检

# 证据：月度 SRE 报告、改进项闭环
  • 巡检：改进项完成率、SLO 趋势

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。