Skip to content

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

  1. 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。

查看错误

← 返回术语表