SLI、SLO 和 SLA 分別是什麼？如何在實踐中定義它們？

三個概念的定義

SLI（Service Level Indicator - 服務等級指標） 衡量服務品質的具體量化指標。

常見 SLI 類型：

• 可用性：成功請求數 / 總請求數
• 延遲：P99 回應時間 < 200ms 的請求比例
• 錯誤率：5xx 錯誤數 / 總請求數
• 吞吐量：每秒處理的請求數

SLO（Service Level Objective - 服務等級目標） SLI 在特定時間窗口內的目標值。這是內部目標。

範例：

• 過去 30 天，可用性 SLI >= 99.9%
• 過去 7 天，P99 延遲 < 200ms 的比例 >= 95%

SLA（Service Level Agreement - 服務等級協議） 與客戶簽訂的正式承諾，包含違反後的補償條款。SLA 通常比 SLO 寬鬆（給自己留 buffer）。

關係

SLI（量測） → SLO（內部目標） → SLA（對外承諾）

SLO 寬鬆於 SLI 的原因：系統無法完美量測，存在量測誤差。 SLA 寬鬆於 SLO 的原因：SLO 是內部目標，違反前應有餘裕進行修復。

Error Budget（錯誤預算）

Error Budget = 1 - SLO

例如 SLO = 99.9%，則每月 Error Budget = 0.1% × 43,200 分鐘 ≈ 43 分鐘的停機時間。

Error Budget 是 SRE 實踐的核心工具：如果 budget 充足，可以加快新功能發布；如果 budget 耗盡，應凍結發布、優先修復可靠性。