业务指标、SLI 与 SLO
可观测性、成本、性能与故障处理#FDE#第二十阶段#可观测性、成本、性能与故障处理#业务指标、SLI 与 SLO约 745 字 · 2 分钟阅读
追问显示点击任意追问卡片可收起 / 展开
本阶段学习说明
培养方向： 客户现场的软件实现、系统集成与 AI 应用交付。
阶段定位： 能追踪请求与业务执行链路，识别质量、延迟、费用和容量问题，并完成有证据的降级、恢复和复盘。
适用环境： Python、应用日志、指标与追踪系统；可使用 OpenTelemetry、Prometheus 或等价工具，生成式 AI 专用字段按实际版本核对。
统一场景： 已上线的知识与工单助手出现回答变慢、模型费用上涨、检索质量下降或工具执行失败，需要定位瓶颈并保护客户流程。
题库结构： 100 道题及追问，分十组，附评分和实操建议；提供题目，不包含参考答案。
答题约定： HTTP 成功不自动等于回答正确或业务完成。区分实时运行信号、延后人工质量反馈与供应商账单；对性能和费用的优化必须同时验证权限及质量。诊断所需信息应脱敏，指标标签避免无界增长。
AI 应用的运行目标应怎样从用户任务定义？
追问 用户真正关心可访问、可回答还是任务完成？
SLI、SLO 与 SLA 的用途有何不同？
追问 内部目标与客户承诺如何分别确认？
接口成功率和业务完成率怎样分别计算？
追问 模型返回文本但工具写入失败如何统计？
回答质量能否只用服务可用率衡量？
追问 引用支持、人工纠正和无依据回答怎样补充观察？
怎样定义端到端响应时间的起止点？
追问 排队、首字出现、生成完成和人工等待如何区分？
P50、P95 与 P99 分别反映什么？
追问 总体平均值为何可能掩盖少数用户的严重延迟？
拒答、限流和取消怎样计入服务指标？
追问 合理业务拒绝与技术失败是否同样计分？
错误预算可以怎样用于发布决策？
追问 可靠性指标与安全零容忍要求如何分别管理？
怎样按客户和任务类型观察运行质量？
追问 总体良好但单个业务域退化如何发现？
SLO 无法达到时如何与客户讨论调整？
追问 证据、资源、降级和业务影响如何呈现？