如何利用 AI 定义并实现 SLO 可 reliability 目标 #

本技能提供一套完整的框架，通过 AI 辅助定义 SLI、设置 SLO 目标并计算错误预算，将模糊的“服务稳定”转化为可量化的数据决策指标。

为什么需要这个技能 #

在复杂的分布式系统中，简单的“ CPU 占用率”或“内存使用率”无法代表用户的真实体验。团队需要一套标准来决定：什么时候应该继续快速迭代功能，什么时候应该停止开发并专注于修复稳定性问题。

通过引入 SLI（指标）、SLO（目标）和错误预算（Error Budget），可以将可靠性目标量化。例如，如果本月 0.1% 的错误预算已耗尽，团队应立即触发“功能冻结”，优先处理稳定性任务。

适用场景 #

• 定义可靠性目标：为核心 API 或关键业务路径设定量化的可用性目标。
• 量化用户感知：通过延迟（Latency）和成功率（Availability）衡量用户真实的体感质量。
• 建立告警机制：基于错误预算消耗率（Burn Rate）而非单一阈值，创建高精准度的 SLO 告警。
• 研发决策参考：利用剩余预算决定是否允许发布高风险变更。

核心工作流 #

1. 构建 SLI/SLO 层级：

   • SLI (指标)：实际的测量值（如：成功请求数 / 总请求数）。
   • SLO (目标)：内部设定的可靠性目标（如：可用性 $\ge 99.9\mathrm{\%}$）。
   • SLA (协议)：与客户签署的外部合同（低于此值需赔偿）。

2. 定义关键 SLI 类型：

   • 可用性：通过 PromQL 计算成功率。
   • 延迟：计算在特定阈值（如 500ms）下的请求百分比。
   • 持久性：计算成功写入量与总写入量的比率。

3. 计算与执行错误预算：

   • 公式：$\text{Error Budget}=1-\text{SLO Target}$。
   • 根据剩余预算百分比执行策略：100% $\to$ 正常开发；10% $\to$ 冻结非关键变更；0% $\to$ 强制功能冻结。

4. 自动化实现（以 Prometheus 为例）：

   • 编写 Recording Rules 将 SLI 计算逻辑预处理。
   • 配置 Alerting Rules 监控 Burn Rate（消耗率），区分快速消耗（Critical）和慢速消耗（Warning）。
   • 在 Grafana 中构建包含 Compliance 状态、预算剩余进度条和趋势图的看板。

下载和安装 #

下载 slo-implementation 中文版 Skill ZIP

解压后将目录放入你的 AI 工具 skills 文件夹，重启工具后即可使用。具体路径参考内附的 USAGE.zh.md。

你可能还需要 #

暂无推荐