SLO 与错误预算实施

要解决什么问题

服务「尽量稳定」很难落地：没有统一的 SLI/SLO 定义，告警容易变成噪音，发布与可靠性也缺少共同语言。本技能围绕 SLI（服务级别指标）、SLO（服务级别目标） 和 错误预算，把可靠性从口号变成可度量、可评审、可执行的工程实践。

技能如何工作

• 分层定义：从 SLI 类型（可用性、延迟、持久性等）出发，结合用户期望、业务需求与当前性能，选定可达成的 SLO；资料中附带常见可用性目标与对应停机时间对照，便于对齐预期。
• 错误预算：用公式把 SLO 缺口量化为预算（例如 99.9% 可用性对应每月约 43.2 分钟），并据此制定消耗策略与优先级。
• 落地到观测栈：覆盖 Prometheus 记录规则、SLO 告警、Grafana 仪表盘结构及示例查询，并强调 多窗口消耗速率告警 以降低误报。
• 评审节奏：按周（合规与预算状态、趋势）、按月（达成与复盘、调整）、按季（目标相关性、流程与工具）组织 SLO 评审流程。

更细的 playbook 与模板见技能内 resources/implementation-playbook.md、assets/slo-template.md 及 references/ 下的定义与错误预算说明。

适用边界

任务与 SLO/SLI/错误预算无关，或需要本范围外的其他领域与工具时，不应使用本技能。指标采集与大盘可视化可配合相关技能（如 Prometheus 配置、Grafana 仪表盘），但本技能重点在目标定义、预算与告警/评审方法论。