findscripter 何时使用
- 需要把"服务该多可靠"变成可量化目标：定义 SLI、设定 SLO、算错误预算、配燃尽率告警与看板时使用。
- 已经有指标数据源（如 Prometheus 的
http_requests_total、http_request_duration_seconds），要在其上构建可靠性度量时使用。 - 触发词：SLO、SLI、错误预算、服务等级目标、燃尽率、可用性/延迟目标。
不该用的边界：
- 不可量化的"主观体验好不好"评估 → 本技能只处理可测量的 SLI，无指标就先补埋点/采集。
- 纯指标采集/抓取配置（scrape、exporter）→ 交给监控配置类技能；本技能假设指标已可查。
- 撰写对外 SLA 合同条款、法务赔偿 → 不在范围内；SLA 是面向客户的承诺，SLO 是内部目标。
- 一次就追求 100% 可靠 → 反模式；SLO 故意留错误预算换迭代速度。
步骤 / 指令
1. 厘清层级与对象
- SLA（对客户的合同承诺）⊃ SLO（内部可靠性目标）⊃ SLI（实际测量值）。
- 先选用户面服务，明确"用户感知"的成败口径（哪些算成功请求）。
2. 定义 SLI（成功事件 / 总事件，比值落在 0~1）
- 可用性：非 5xx 请求占比。
- 延迟：低于阈值（如 500ms）的请求占比。
- 持久性：成功写入 / 总写入。
- 统一选定窗口（常用 28d，对齐月度运营）。
3. 设定 SLO 目标
- 参考：用户期望、业务要求、当前真实表现、可靠性成本、竞品基准。
- 别盲目堆 9：可用性每加一个 9，停机预算大幅收紧（见示例表）。
4. 算错误预算
- 错误预算 = 1 - SLO目标；剩余预算% =(SLI - 目标)/(1 - 目标)*100。
- 配错误预算策略：剩余越少越收紧发布（100%正常→0%冻结功能保可靠）。
5. 落地为 Prometheus 录制规则
- sli:*:ratio（高频，如 30s 算 SLI 比值）。
- slo:*:compliance / error_budget_remaining / burn_rate_*（5m 算合规与燃尽）。
6. 配多窗口燃尽率告警（短+长窗口联立，降误报）
- 快烧：1h 与 5m 同时 > 14.4x（1 小时烧掉 ~2% 预算）→ critical。
- 慢烧：6h 与 30m 同时 > 6x（6 小时烧掉 ~5% 预算）→ warning。
- 预算耗尽：error_budget_remaining < 0 → critical。
7. 做看板 + 周期复盘
- 看板：当前合规、剩余预算条、28d SLI 趋势、各窗口燃尽率。
- 周（合规/预算/趋势/事故影响）、月（达成/用量/复盘/微调）、季（目标相关性/流程/工具）。
规则：
- SLI 一律是"好事件 / 总事件"的比值，口径要与用户感知一致。
- 燃尽率告警必须多窗口联立（短窗确认仍在烧、长窗确认非抖动），单窗易误报。
- SLO 目标要可达且留预算，不追 100%；目标值在录制规则里写死要与告警阈值一致。
示例
可用性 / 延迟 SLI（PromQL，28d 窗口）：
# 可用性：非 5xx 占比
sum(rate(http_requests_total{status!~"5.."}[28d]))
/ sum(rate(http_requests_total[28d]))
# 延迟：<500ms 占比
sum(rate(http_request_duration_seconds_bucket{le="0.5"}[28d]))
/ sum(rate(http_request_duration_seconds_count[28d]))
可用性 SLO 与停机预算（直观感受"加 9 的代价"）：
| SLO % | 每月停机 | 每年停机 |
|---|---|---|
| 99% | 7.2 小时 | 3.65 天 |
| 99.9% | 43.2 分钟 | 8.76 小时 |
| 99.95% | 21.6 分钟 | 4.38 小时 |
| 99.99% | 4.32 分钟 | 52.56 分钟 |
错误预算策略：
error_budget_policy:
- remaining_budget: 100% # 正常迭代速度
- remaining_budget: 50% # 推迟高风险变更
- remaining_budget: 10% # 冻结非关键变更
- remaining_budget: 0% # 功能冻结，专注可靠性
Prometheus 录制规则（SLI/合规/剩余预算/燃尽率）：
groups:
- name: sli_rules
interval: 30s
rules:
- record: sli:http_availability:ratio
expr: |
sum(rate(http_requests_total{status!~"5.."}[28d]))
/ sum(rate(http_requests_total[28d]))
- name: slo_rules
interval: 5m
rules:
- record: slo:http_availability:compliance
expr: sli:http_availability:ratio >= bool 0.999
- record: slo:http_availability:error_budget_remaining
expr: (sli:http_availability:ratio - 0.999) / (1 - 0.999) * 100
- record: slo:http_availability:burn_rate_5m
expr: |
(1 - (
sum(rate(http_requests_total{status!~"5.."}[5m]))
/ sum(rate(http_requests_total[5m]))
)) / (1 - 0.999)
多窗口燃尽率告警（短+长联立）：
rules:
- alert: SLOBurnRateHigh
expr: |
(slo:http_availability:burn_rate_1h > 14.4 and slo:http_availability:burn_rate_5m > 14.4)
or
(slo:http_availability:burn_rate_6h > 6 and slo:http_availability:burn_rate_30m > 6)
labels:
severity: critical
- alert: SLOErrorBudgetExhausted
expr: slo:http_availability:error_budget_remaining < 0
for: 5m
labels:
severity: critical
按当前燃尽速度估算"预算还能撑几天"：
(slo:http_availability:error_budget_remaining / 100)
* 28
/ ((1 - sli:http_availability:ratio) * (1 - 0.999))
注意事项
- 窗口一致性：SLI、SLO 阈值、燃尽率分母里的目标值（如 0.999）必须三处对齐，改 SLO 要同步改全部规则。
>= bool用于把比较结果落成 0/1 指标供合规判断，别漏bool。- 燃尽率阈值（14.4x/6x）对应"在窗口内烧掉固定比例预算"，与你的 SLO 窗口绑定；换窗口需重算，不要照抄。
- 单窗口告警噪声大：务必短窗确认仍在烧 + 长窗确认非瞬时抖动，二者联立。
- 别只盯单一 SLI：可用性与延迟应分别建 SLI/SLO，避免"可用但很慢"被漏判。
- SLO 是工程优先级工具，不是 100% 完美承诺；预算见底时该冻结发布、把资源转向可靠性。
- 本技能产出配置与算法，不替代环境内实测：上线前用真实流量验证录制规则与告警是否触发正常。
互见
- requires：无。
- related：监控采集/配置类技能（负责
http_requests_total等指标的抓取与存储，本技能在其上构建度量）；可视化看板类技能（把 SLO 合规、剩余预算、燃尽率画成 Grafana 面板）。 - combines_with：告警/事件响应类技能（燃尽告警触发后的值班、降级与事故复盘，与本技能的错误预算策略联动）。
采编自 sickn33/antigravity-awesome-skills（MIT）。