SLI 采集实现

摘要：SLI 再好定义，采不到也是空谈。本文讲三类采集方式：应用埋点（counter）、访问日志解析、客户端上报，给出 Prometheus 侧落库与聚合示例。

适用环境

• 应用可埋点（如 Prometheus client）或能产生结构化日志/访问日志
• 已部署 Prometheus

操作步骤

1. 应用埋点（最准）

# Python 示例，用 prometheus_client
from prometheus_client import Counter
req = Counter('http_requests_total', '请求数', ['code'])
# 请求结束时打标
req.labels(code='200').inc()
req.labels(code='500').inc()

2. 访问日志解析（无埋点时）

# promtail + loki，或从 nginx log 提取
# 用 Grafana Loki 统计 5xx 占比作为 SLI 来源
sum(rate({job="nginx"} | json | status>=500 [5m]))

3. 客户端/合成上报

// 前端上报真实用户体验
navigator.sendBeacon('/metrics', JSON.stringify({slate:'ok', dur: ttfb}));

4. 在 Prometheus 聚合成 SLI

# 可用性 SLI
sum(rate(http_requests_total{code!~"5.."}[5m])) / sum(rate(http_requests_total[5m]))

DANGER

埋点的“成功”判定要和 SLI 定义一致：业务失败但 HTTP 200 不能算成功，否则 SLI 虚高。

验证

# 制造若干 5xx，确认 counter 增长且 SLI 表达式下降
curl -s prom:9090/api/v1/query?query=http_requests_total | jq '.data.result'

常见坑

WARNING

• Counter 重启归零会导致 SLI 瞬间跳变，用 rate/irate 而非直接比值缓解。
• 只采服务端忽略客户端体验（如渲染慢），SLI 会高估真实质量。

参考资料

• Prometheus client libraries
• prometheus_client Python
• Grafana Loki 文档