三个层次是什么
SLI 是实测指标（成功率、延迟分位），SLO 是对内的目标线（如 p95 低于 300 毫秒、30 天可用性 99.9%），SLA 是对外的合同承诺，通常带赔偿条款。三者是围栏关系：SLA 宽于 SLO，中间留出故障与演练的余量。延迟必须看分位数——均值掩盖长尾，而用户体感由 p95 与 p99 决定。
基本信息
| SLI | 可测量的指标：可用性、延迟分位、错误率、吞吐 |
|---|---|
| SLO | 对内目标：目标值加达标周期，例：30 天可用性不低于 99.9% |
| SLA | 对外承诺与罚则，必须比 SLO 宽松 |
| 误差预算 | 1 减去达标率，用尽则冻结高风险变更先还债 |
| 延迟口径 | 服务端处理、排队等待、网络分段测量，别混成一个数 |
| 工具落点 | 压测门禁阈值、监控告警规则、事故等级判定 |
目标写法示意
目标写法示意
SLI：请求成功率、p95 与 p99 延迟（按分钟聚合）
SLO：30 天可用性 >= 99.9%；p95 <= 300ms；p99 <= 800ms
SLA：对外承诺 99.5%，连续不达标按合同补偿（示意，非真实条款）
余量：SLA 与 SLO 之间的差额留给故障窗口与演练损耗典型使用场景
- 性能门禁：把 SLO 数值直接写进压测阈值，自动判定
- 容量规划：按峰值分位留出缓冲再定扩容数量
- 故障决策：误差预算剩多少决定这次发布能不能冒险
- 跨团队对齐：用数字替代「快」「稳定」这类形容词
- 事故分级：超过多少分位受损才升级为事故
- 对外承诺管理：销售签 SLA 前先核对 SLO 历史达标情况
分位数怎么读
| 分位 | 含义 | 用途 |
|---|---|---|
| p50 | 一半请求快于该值 | 看典型用户体验 |
| p95 | 95% 请求快于该值 | 常用 SLO 目标线 |
| p99 | 仅 1% 请求更慢 | 暴露长尾与极端场景 |
| max | 最慢的一次 | 波动参考，勿单独下结论 |
p99 不是「1% 的影响」：每分钟十万请求意味着上千个慢请求，对支付、下单这类链路足以产生真实投诉。
别用平均值包装性能：均值 200ms 可能是 95% 请求 50ms 加 5% 请求 3 秒的组合，报表好看、用户遭殃。
达标率统计口径要写进文档：按请求还是按时间窗、是否剔除计划内维护，口径不一致，跨团队永远对不上账。