# 运行信号交付：SLI/SLO、检测与可行动告警

工作单元：W-C20；版本：2026-10-21.workunits.2；复核：2026-10-20
交付能反映指定用户目标的运行指标、目标与告警，使已知故障被检测而正常波动不触发无效操作。

## 当前用法
可委派指标/规则和正反例校准；先核对用户口径，再让程序持续测量，异常可交Agent解释与定位。
依据：AIOpsLab的故障、负载和评估接口可用于校准运行信号与检测，规则正确性应以独立故障/正常控制检查。
来源状态：active
本站记录：本次只核查公开材料和任务契约；未在本站运行该任务、工具或模型。

条件：
- 提供日志/指标/trace、正常和已知故障窗口、采样/缺失条件及采集权限。
- 每个告警对应可核查症状、责任/升级与处置入口；冻结误报/漏报和成本容忍。

## 请求与范围
给关键用户路径、可接受失败/时延与取舍，明确SLI分母、时间窗、依赖和错误预算用途。
产物是信号定义、采集/规则与正反例校准，不是故障修复或容量提升；业务目标与错误预算取舍需有实际依据。

## 输入
- 用户目标：给关键用户路径、可接受失败/时延与取舍，明确SLI分母、时间窗、依赖和错误预算用途。
- 遥测与历史：提供日志/指标/trace、正常和已知故障窗口、采样/缺失条件及采集权限。
- 告警行动：每个告警对应可核查症状、责任/升级与处置入口；冻结误报/漏报和成本容忍。

## 交付物
- 指标/目标/错误预算定义和可执行采集/规则
- 正常/故障/采集缺失/抖动控制结果
- 行动手册、阈值理由、观测缺口和版本管理

## 验收
1. 信号代表用户目标
   方法：把分母、窗口和路径与真实请求对照，检查依赖/采样遗漏。
   拒收：只测机器存活，用户付款失败却SLI健康。
2. 规则可检测可拒绝
   方法：重放已知故障与正常波动，记录误报/漏报、检测延迟和采集失败。
   拒收：只加一条能报警的规则，没有正常负样本。
3. 告警可行动
   方法：另一接收者按规则和指引定位受影响路径，核对升级/静默/恢复及版本。
   拒收：告警没有对象、含义或动作，导致反复无效值班。


## 具体例子
输入：付款成功率看起来100%，但超时请求没进分母。
预期产物：修正SLI、超时/正常/日志缺失控制与升级说明。
失败：删去超时事件，让仪表板变绿。

## 工作重组
以前：资料、实现/处理与验证分散交接，完成记录易脱离实际结果。
现在：Agent读服务定义和历史，生成/调整采集和告警，程序重放控制；负责人决定SLO和升级取舍。
保留：
- 设定用户风险与错误预算政策，确认告警责任和可采取动作。
新增：
- 另一接收者按规则和指引定位受影响路径，核对升级/静默/恢复及版本。

## 人的责任与失败接管
设定用户风险与错误预算政策，确认告警责任和可采取动作。
目标不明确先给可选口径及影响；采集缺失应暴露为缺测，不能写成零错误。

## 尚待补足
- 用户SLI分母/缺测、真实新故障与长期误报/漏报分布尚需校准。

## 职业与团队下一步
运行信号交付：SLI/SLO、检测与可行动告警
指标/目标/错误预算定义和可执行采集/规则
选一个关键用户路径和历史故障，冻结口径，用正常/故障/遥测缺失控制验证规则，再在观察窗记录行动与噪声。
/explore?purpose=career&domain=computing
公开故障/负载试验床能校准信号，但无法替组织确定风险容忍。把指标和告警本身当产物，可避免Agent靠“监控正常”自证。
Agent读服务定义和历史，生成/调整采集和告警，程序重放控制；负责人决定SLO和升级取舍。
在真实授权任务核对产物、失败、返工与接收时间，再据此配置工具、环境和人员。
/explore?purpose=team&domain=computing

## 证据与关系
- AIOpsLab 官方框架：https://github.com/microsoft/AIOpsLab
  定位：README：Problems；Fault/Workload/Evaluator；公开 持续更新仓库；本次2026-10-20访问；核查 2026-10-20；复查 2027-01-20
  支持：提供可构造症状与结果的环境。
  未覆盖：方法不证明目标SLO恰当或长期告警可靠。


## 任务级判断与证据
采用方式：分阶段接收
从证据到建议：公开故障/负载试验床能校准信号，但无法替组织确定风险容忍。把指标和告警本身当产物，可避免Agent靠“监控正常”自证。
当前可用性：mixed；框架公开；目标云权限、遥测与可回退环境由实际任务提供，不要求先接生产。
- AIOpsLab：https://github.com/microsoft/AIOpsLab
  2026-10-20公开仓库HEAD ccf08d0d1d5fa5b30f120e2e8549662d44411b35；实际运行另固定依赖/镜像/模型；开源；独立集群/命名空间、遥测与模型API自备

### AIOpsLab的故障、负载和评估接口可用于校准运行信号与检测，规则正确性应以独立故障/正常控制检查。
依据身份：工具与方法依据；状态：active
- AIOpsLab 官方框架：https://github.com/microsoft/AIOpsLab
  定位：Detection tasks/Workload/Evaluator；关系：method
  支持：提供可构造症状与结果的环境。
  限制：方法不证明目标SLO恰当或长期告警可靠。
  核查：2026-10-20；来源状态：active
适用限制：方法不证明目标SLO恰当或长期告警可靠。

## 情境变化
### 用户SLI与目标
输入变化：需定义用户成功、延迟与错误预算。
判断变化：先对照真实路径再自动化采集。
验收变化：分母/窗口/采样、依赖、目标取舍和缺测。
### 检测规则与值班噪声
输入变化：已有遥测但告警漏报或过多。
判断变化：按可行动症状重做规则校准。
验收变化：故障/正常/抖动/采集缺失与升级路径。

研究前沿：AIOpsLab提供检测任务、故障/负载和评估接口，可用正常与故障重放验证告警；公开接口没有替本团队选择用户SLI/SLO，也未给本规则长期漏报/误报成绩。
下一项验证：选一个关键用户路径和历史故障，冻结口径，用正常/故障/遥测缺失控制验证规则，再在观察窗记录行动与噪声。
未来改判信号：
- 真实新故障被及时检测而正常波动与缺测被正确区分，可考虑扩大相近输入范围。
- 用户失败未进分母、告警噪声升高或采集缺失被写成健康，应收窄或暂停相应采用。

## 与本单元直接关联的进展
尚未收录与本单元直接关联的新进展。当前用法依据本页的方法与验收资料，不能套用同领域其他任务的成果。

领域背景与未来情景：/explore?purpose=understand&domain=computing


## 工具与采用佐证