SLO 定義與錯誤預算政策範本(SLO & Error Budget Policy Template)
SLO 定義與錯誤預算政策範本(SLO & Error Budget Policy) 參照標準:Google SRE Book/SRE Workbook(SLO、Error Budget、Multiwindow Multi-burn-rate Alerts) 文件用途:定義服務的 SLI、SLO 與錯誤預算,並約定預算耗盡時的處理方式 適用階段:設計階段定義,上線前完成告警,每季檢討 範本版本:v2.0(2026-10-06)|對應《軟體開發標準程序教學手冊》v2.0 第 10.2 節 📋 章節目錄 服務與使用者旅程 SLI 定義 SLO 與錯誤預算 錯誤預算政策 審查與驗證 1. 服務與使用者旅程 📝 範本 項目 內容 服務名稱 {名稱} 關鍵使用者旅程 {使用者最在意的 2–3 件事} SLO 擁有者 {團隊/負責人} 相關 SLA {對客戶的合約承諾,若有} 📖 使用說明 SLO 從「使用者感受」出發,不是從伺服器指標出發 SLO 應比 SLA 嚴格,保留緩衝 💡 範例 項目 內容 服務名稱 HRMS API 關鍵使用者旅程 1. 打卡;2. 請假申請;3. 薪資單查詢 SLO 擁有者 HRMS 開發部(SRE 窗口:張) 相關 SLA 內部服務,無對外 SLA;對 HR 部門承諾每月可用率 99.5% 2. SLI 定義 📝 範本 SLI 好事件定義 總事件定義 量測位置 PromQL(比例) {名稱} {條件} {條件} {負載平衡器/應用程式/合成監控} {查詢式} 📖 使用說明 SLI 寫成「好事件 ÷ 總事件」,結果介於 0 與 1 指標名稱必須與實際 instrumentation 相符,並在 Prometheus 確認查得到資料 💡 範例 SLI 好事件定義 總事件定義 量測位置 PromQL(比例) 可用性 回應狀態非 5xx 所有請求 應用程式(Micrometer) 1 - (sum(rate(http_server_requests_seconds_count{job="hrms-api",status=~"5.."}[30d])) / sum(rate(http_server_requests_seconds_count{job="hrms-api"}[30d]))) 延遲 回應時間 ≤ 300 ms 所有請求 應用程式(histogram) sum(rate(http_server_requests_seconds_bucket{job="hrms-api",le="0.3"}[30d])) / sum(rate(http_server_requests_seconds_count{job="hrms-api"}[30d])) 延遲 SLI 的 le="0.3" 必須是 histogram 實際存在的 bucket 邊界;Spring Boot 可用 management.metrics.distribution.slo.http.server.requests=300ms 加入此邊界。 ...