1SLI、SLO与错误预算
闭卷说清“SLI、SLO与错误预算”的对象、规则、制品和一个失败反例。
软件工程 · 小纸条
选一章打印。双面打印（按长边翻页）后沿虚线剪开，每张卡片正面题目、背面答案。
第 1 页 · 正面（题目）
2日志、指标与追踪的分工
闭卷说清“日志、指标与追踪的分工”的对象、规则、制品和一个失败反例。
3告警设计与值班可行动性
闭卷说清“告警设计与值班可行动性”的对象、规则、制品和一个失败反例。
4超时、重试、退避与熔断
闭卷说清“超时、重试、退避与熔断”的对象、规则、制品和一个失败反例。
5容量、排队与尾延迟
闭卷说清“容量、排队与尾延迟”的对象、规则、制品和一个失败反例。
6故障注入与恢复演练
闭卷说清“故障注入与恢复演练”的对象、规则、制品和一个失败反例。
7事故响应与无责复盘
闭卷说清“事故响应与无责复盘”的对象、规则、制品和一个失败反例。
第 1 页 · 背面（答案）
核心：日志记录离散事件，指标聚合趋势，追踪连接一次请求的跨服务路径；规则：观测字段要稳定、可关联且保护隐私；禁止只打印自由文本和秘密；应能围绕“先由错误率告警发现异常，再按trace_id定位慢调用，最后读结构化错误事件”交付可复核制品。
核心：SLI是用户可感知测量，SLO是目标，错误预算允许在可靠性与变化间做选择；规则：分母、窗口、排除规则和数据来源必须明确；SLO不等于永不失败；应能围绕“结算成功率月SLO为99.95%，超预算后暂停高风险发布并优先修复”交付可复核制品。
核心：分布式调用必须限制等待；重试会放大负载，只有幂等且瞬态失败才安全；规则：重试预算属于端到端请求；各层独立重试会形成乘法风暴；应能围绕“客户端设置总截止时间，指数退避加抖动，熔断后快速失败并保护下游”交付可复核制品。
核心：告警只有在需要及时人工行动且有明确处置时才有价值；规则：每条告警有所有者、严重度、动作和关闭条件；无行动告警应删除或降级；应能围绕“按燃烧率告警SLO，附影响、仪表盘、最近变更和runbook，而非CPU瞬时抖动就叫醒人”交付可复核制品。
核心：可靠性来自被验证的降级与恢复，不来自文档中的愿望；规则：演练先限制爆炸半径，声明停止条件，并把发现转成有所有者的改进项；应能围绕“在预生产切断缓存、延迟支付、杀死实例，检查超时、幂等、告警和数据恢复”交付可复核制品。
核心：利用率接近饱和时排队非线性增长，平均延迟会掩盖少数严重体验；规则：容量计划使用峰值、目标利用率、故障冗余和增长缓冲，不以理论上限直接上线；应能围绕“服务每实例每秒80请求，峰值600请求需结合目标利用率和冗余计算实例数并观测p99”交付可复核制品。
核心：事故中先稳定服务和沟通，事后重建时间线与系统条件，不找替罪羊；规则：行动项应具体、可验证、有期限，并优先改变系统而非要求‘更小心’；应能围绕“记录检测、决策、缓解、恢复节点，分析为何防线未阻止而不是谁最后提交”交付可复核制品。