多窗口错误预算燃烧率告警:兼顾速度与准确性

使用长短窗口组合检测错误预算快速消耗,减少固定错误率阈值带来的噪声。

文章目录 · 3 节

固定错误率阈值无法同时处理短时大故障和缓慢持续退化。燃烧率表示错误预算消耗速度:燃烧率为 1,意味着按当前速度会在 SLO 周期末刚好耗尽预算。

组合长短窗口

快速告警可以使用 1 小时长窗口确认影响,再用 5 分钟短窗口确认故障仍在持续;慢速告警使用 6 小时与 30 分钟组合。

快速:burn_rate_1h > 14.4 AND burn_rate_5m > 14.4
慢速:burn_rate_6h > 6 AND burn_rate_30m > 6

长窗口降低偶发尖峰噪声,短窗口避免在故障已经恢复后继续通知。

选择严重度

快速燃烧通常需要立即分页,慢速燃烧适合工单或工作时间处理。阈值应基于 SLO 周期和希望在消耗多少预算时收到通知。

验证规则

使用历史事故回放,确认严重事故能及时触发、短暂抖动不会分页。告警中展示当前燃烧率、剩余预算和受影响 SLI,帮助值班人员决定优先级。