通用面試：如何向非技術利害關係人解釋 SLI、SLO 與 SLA？
題目與場景
銷售負責人把合約中的 99.9% SLA 當成產品絕不會出錯，並要求工程團隊承諾任何時候都不降級。請用非技術語言解釋 SLI、SLO 與 SLA 的差別，說明如何選擇指標、處理誤解，以及它們如何影響發布和客戶溝通。
面試官考察點
- 能否把抽象可靠性術語連接到使用者旅程和業務承諾。
- 能否區分內部目標、觀測指標和外部合約，而不把百分比當作絕對保證。
- 能否說明錯誤預算如何支援發布、暫停和風險取捨。
- 能否根據聽眾調整表達，確認對方理解並留下可執行的下一步。
先問清楚的澄清問題
- 99.9% 針對哪個服務、使用者旅程、時間窗口和可用性定義？是否排除維護或第三方依賴？
- 合約中的 SLA 是服務承諾、賠償條件，還是銷售材料中的非合約目標？
- 當前是否已有 SLI 資料、SLO 目標、錯誤預算和客戶影響報告？
- 對方最關心的是違約風險、客戶體驗、發布速度，還是內部資源優先級？
30 秒回答示範
我會先確認 99.9% 的服務範圍和合約含義，再用航班準點率的類比說明：SLI 是我們實際測量的結果，SLO 是團隊希望達到的目標，SLA 是對客戶作出的正式承諾，通常帶有例外和補償條款。99.9% 不是絕對零故障，而是特定時間窗口內允許的失敗預算。我會把指標換算成使用者影響和剩餘風險，說明錯誤預算如何決定繼續發布、降速或暫停，並請對方複述理解，最後約定負責人和下一次審查時間。
深入拆解
1. 先從使用者旅程而不是術語開始
我會問使用者完成什麼任務才算服務可用，例如登入、提交訂單或讀取報告。一個伺服器端成功率可能掩蓋用戶端逾時或關鍵流程失敗，所以 SLI 應盡量反映使用者感知的可用性、延遲或正確性。先講任務和影響，再引入縮寫，降低溝通門檻。
2. 用三層定義建立邊界
SLI 是可重複測量的訊號，例如關鍵請求成功率或符合延遲閾值的請求比例。SLO 是在時間窗口內對 SLI 設定的目標，例如 30 天達到 99.9%。SLA 是對客戶或合作方的正式承諾，可能規定服務範圍、例外、通知和服務抵扣。三者數值可以相關，但責任、證據和後果不同。
3. 把百分比換算成錯誤預算
在固定窗口內，錯誤預算約等於目標允許的失敗部分。以 30 天 99.9% 為例，允許不可用時間約 43 分鐘；這是幫助決策的量級示例，實際應按合約口徑和計量方法計算。預算剩餘時可以在風險可控下發布，預算快速消耗或用盡時應暫停高風險變更並優先修復。
4. 解釋 SLA 不是「永不出錯」
我會說明合約通常定義測量方法、排除項、服務範圍和補償，而不是保證每個請求永遠成功。若銷售需要對外表達，我會把 SLO、SLA 和狀態頁、支援流程、事故通知時間對齊，避免用內部目標替代合約承諾。任何例外都應由法務、銷售和工程共同確認。
5. 將可靠性連接到發布選擇
發布評審可以使用錯誤預算作為共同門檻：預算健康時按計畫發布；燃燒速度異常時降低批次、增加觀察或暫停；預算用盡時優先修復，除非經過明確的例外評審。選項要同時列出使用者影響、收入或承諾影響、恢復時間和回滾條件，避免把可靠性變成單方面否決。
6. 驗證理解並建立持續治理
溝通後請聽眾用自己的話複述三層定義和當前風險，記錄問題和承諾。每個窗口復盤 SLI 是否仍代表使用者、SLO 是否驅動正確行為、SLA 是否與合約一致。發現指標與使用者體驗脫節時，先修正測量，再討論目標和資源，而不是只提高一個百分比。
一份更完整的強回答
我會先確認 99.9% 的服務、使用者旅程、時間窗口和合約邊界，然後從一個使用者任務講起。SLI 是可觀測的實際結果，SLO 是團隊在窗口內追求的目標，SLA 是對客戶的正式承諾，帶有範圍、例外和補償。用 30 天 99.9% 的約 43 分鐘預算做量級示例，但會以合約計量為準。預算健康時繼續發布，燃燒異常時降低批次並觀察，用盡時暫停高風險變更，例外需共同評審。最後讓銷售複述理解，統一狀態頁、通知和支援流程，並定期復盤指標是否真的代表使用者。
常見失分點
- 把 SLI、SLO、SLA 當作同義詞，只背誦定義不說明責任邊界。
- 把 99.9% 說成任何時候都不能失敗，忽略窗口、範圍和例外。
- 只看伺服器指標，不驗證關鍵使用者旅程和用戶端體驗。
- 提到錯誤預算卻沒有說明它如何影響發布、暫停和例外評審。
- 用一堆縮寫壓過聽眾，沒有確認理解或留下行動項。
追問與延伸
追問一：如果銷售要求把內部 SLO 寫進合約怎麼辦？
先確認測量口徑、範圍、例外、通知和補償，再讓法務、銷售、支援和工程共同評估成本與風險。可以把內部目標作為服務承諾的輸入，但不能跳過合約定義和營運能力驗證。
追問二：怎樣選擇多個 SLI？
按使用者旅程拆分可用性、延遲、正確性或新鮮度，避免用一個平均值掩蓋關鍵路徑。為每個 SLI 說明資料來源、採樣、窗口、缺失資料處理和對應行動。
追問三：如果 SLO 達標但客戶仍投訴怎麼辦？
檢查 SLI 是否測到了真實任務，是否遺漏特定地區、租戶、用戶端或業務成功條件。把投訴樣本與端到端指標關聯，必要時新增或替換 SLI，再調整目標。
追問四：錯誤預算和賠償金額如何關聯？
錯誤預算是內部風險與發布機制，賠償是 SLA 的合約後果，兩者可以參考同一事件記錄但不能互相替代。對外賠償按合約計算，對內用預算決定工程優先級和變更節奏。