错误预算计算

摘要：SLO 说“99.9% 可用”，到底允许坏多久？错误预算（Error Budget）= 1 - SLO，把百分比换算成“每月能坏多少分钟 / 多少请求”，一切决策就有了量化基准。

适用环境

text

SLO = 99.9%  →  错误预算 = 0.1%
一个月(30d) = 43200 分钟
允许不可用 = 43200 × 0.1% = 43.2 分钟/月

text

SLO = 99.9%  →  错误预算 = 0.1%
若月总请求 = 1 亿
允许错误请求 = 1亿 × 0.1% = 10 万次/月

promql

# 30 天窗口内的错误率，与 SLO 比较
1 - (
  sum(rate(http_requests_total{code!~"5.."}[30d]))
  / sum(rate(http_requests_total[30d]))
) > (1 - 0.999)
# 上式为真表示已超出预算

promql

# 当前燃烧速率下，剩余预算耗尽时间
(error_budget_remaining) / (burn_rate)

DANGER

预算是“滚动窗口”概念，不是每月 1 号清零。用 increase/rate 的 30d 窗口，避免月初预算“凭空满血”的错觉。

bash

# 取一个月窗口，确认错误率落在预算内
# 可用 Grafana 面板展示“本月已用预算 %”

WARNING