SLA / SLO / SLI
一句话解释
SLI 衡量可靠性(如 99.95% 正常运行),SLO 是内部目标(99.9%),SLA 是客户合同(99.5% 带赔偿)。
用大白话说
SLI、SLO 和 SLA 是三个相关概念,定义和衡量服务可靠性:SLI(服务等级指标) — 服务健康的测量。
- 示例:请求成功率、p99 延迟、正常运行百分比
- 是一个数字:「过去 5 分钟 99.97% 请求成功」
SLO(服务等级目标) — SLI 的内部目标。
- 示例:99.9% 成功率、p99 延迟 < 500ms
- 是一个目标:「我们目标是 99.9% 成功率」
- 内部用于驱动决策(错误预算)
SLA(服务等级协议) — 与客户的合同。
- 示例:99.5% 正常运行否则退还 10% 月费
- 是一份合同:「我们保证 99.5%,否则补偿」
- 通常比 SLO 宽松(内部目标与客户承诺间的缓冲)
关系:SLI(测量)→ SLO(内部目标)→ SLA(客户合同) SLA < SLO < 实际性能示例:
- SLI:本月测量 99.97% 正常运行
- SLO:99.9% 正常运行目标(内部)
- SLA:向客户保证 99.5% 正常运行(未达标退款)
SLO 和 SLA 之间的差距是你的安全余量。
示例
yaml
# 带 SLI 测量的 SLO 定义
service: "api-gateway"
# SLI:测量什么
sli:
metric: http_requests_total
success: status_code < 500 # 2xx 和 4xx 算「成功」
window: 28d # 滚动 28 天窗口
# SLO:内部目标
slo:
availability: 99.9 # 99.9% 请求成功
latency_p99: 500ms # 99% 请求 < 500ms
error_budget: 0.1% # 允许的不可靠性(43 分钟/月)
# SLA:客户合同
sla:
availability: 99.5 # 向客户保证 99.5%
penalty: # 如果违反 SLA:
- threshold: 99.5 # 低于 99.5%
refund: 10% # 退还 10% 月费
- threshold: 99.0 # 低于 99.0%
refund: 25% # 退还 25% 月费
# 实际性能(SLI):99.97%
# SLO 目标:99.9% ✓(达到内部目标)
# SLA 合同:99.5% ✓(满足客户承诺)
# 安全余量:99.97% - 99.5% = 0.47% 缓冲SLI 测量实际性能(99.97%)。SLO 是内部目标(99.9%)。SLA 是客户合同(99.5% 带退款)。SLA 和 SLO 之间的差距是安全余量 — 实际性能下降时先违反 SLO 再违反 SLA。
工作原理
- 定义 SLI — 什么指标表示服务健康(成功率、延迟)。2. 设定 SLO — 基于用户期望的内部目标(99.9% 成功)。3. 从 SLO 计算错误预算 — 允许的不可靠性。4. 定义 SLA — 面向客户的合同,比 SLO 宽松。5. 持续测量 SLI 并与 SLO/SLA 比较。6. SLO 有风险:冻结功能,专注可靠性。7. SLA 违反:按合同条款补偿客户。
常见混淆
容易混淆的对象: 正常运行时间
关键区别: 正常运行时间是一个特定 SLI — 服务可用的时间百分比。SLI/SLO/SLA 是定义和衡量所有可靠性指标的框架,不只是正常运行时间。正常运行时间是一个 SLI;其他包括成功率、延迟、持久性。SLI/SLO/SLA 是框架;正常运行时间是其中一个指标。
相关术语
相关资源
相关课程
- SRE
SLI/SLO/SLA。
解读错误信息
用大白话解释常见错误——什么意思、为什么发生、如何修复。