2. SLA核心指标：可用性、延迟、抖动、丢包率、吞吐量的定义与计算
各位好，我是老张。今天咱们聊聊SLA的五个核心指标。说实话，这五个指标我几乎每天都在跟它们打交道。你想想看，一条专线好不好，客户满不满意，说白了就是看这五个数字。
我记得刚入行那会儿，有个客户投诉说网络慢，我查了半天带宽利用率才30%，心想这不挺好吗？后来才发现，延迟和抖动才是罪魁祸首。嗯，从那以后我就明白了——只看一个指标，容易掉坑里。
核心观点：五个指标不是孤立的，它们共同决定了用户体验。任何一个指标出问题，SLA都可能不达标。
2.1 可用性（Availability）
可用性，说白了就是线路能用的时间占比。公式很简单：
可用性 = (总时间 - 故障时间) / 总时间 × 100%举个例子：一条专线一个月（30天）里，故障了2小时。那么：
可用性 = (720 - 2) / 720 × 100% = 99.72%我个人习惯用“9”的个数来衡量。99%是两个9，99.9%是三个9，99.99%是四个9。不同等级对应不同的年故障时间：
| 可用性等级 | 年故障时间 | 典型场景 |
|---|---|---|
| 99%（2个9） | 87.6小时 | 普通办公网络 |
| 99.9%（3个9） | 8.76小时 | 企业专线 |
| 99.99%（4个9） | 52.56分钟 | 金融交易系统 |
| 99.999%（5个9） | 5.26分钟 | 核心骨干网 |
避坑指南：我曾经遇到过客户把“可用性”和“连通性”搞混。连通性只是能ping通，可用性还要考虑带宽、延迟等是否达标。别被ping通就以为万事大吉了。
2.2 延迟（Latency）
延迟就是数据从A点到B点的时间。单位通常是毫秒（ms）。
我常用的测量方法是ICMP ping，但说实话，这只能做个参考。真正要测，得用专业的探针或者抓包分析。
# 简单测延迟
ping -c 10 192.168.1.1
# 结果示例
rtt min/avg/max/mdev = 1.234/1.567/2.345/0.123 ms这里avg就是平均延迟。为什么看平均？因为单次延迟可能有偶然性，取平均更稳定。
延迟的组成其实有三段：
- 传播延迟：光在光纤里跑的时间，物理定律，改不了
- 处理延迟：路由器、交换机处理数据包的时间
- 排队延迟：数据包在队列里等着被转发的时间
你想想看，前两个基本固定，能优化的主要是排队延迟。所以当延迟突然升高时，我第一反应就是——是不是哪里堵了？
2.3 抖动（Jitter）
抖动，就是延迟的变化量。公式：
抖动 = |当前延迟 - 上一个延迟|或者更专业的：
抖动 = 延迟的标准差为什么抖动这么重要？我举个例子：你打视频电话，延迟200ms其实还能忍，但如果延迟在100ms到300ms之间来回跳，画面就会一卡一卡的，声音也断断续续。
我的经验：对于VoIP和视频会议，抖动比延迟更致命。我曾经帮一个客户排查视频卡顿问题，延迟只有30ms，但抖动高达50ms。后来发现是某台交换机缓存设置有问题，调整后抖动降到5ms以内，问题解决。
一般建议：
- 语音业务：抖动 < 30ms
- 视频业务：抖动 < 50ms
- 普通数据：抖动 < 100ms
2.4 丢包率（Packet Loss）
丢包率，就是发送的数据包中，有多少没到达目的地。公式：
丢包率 = 丢失的数据包 / 发送的总数据包 × 100%测丢包，我一般用这个命令：
# 发送1000个包，看丢了多少
ping -c 1000 -i 0.01 目标IP注意这里的 -i 0.01，间隔10毫秒发一个包，模拟真实业务流量。如果间隔太大，测出来的丢包率可能偏乐观。
丢包率的影响：
- 0%：完美，但现实中很难
- < 0.1%：优秀，大多数业务无感
- 0.1% - 1%：一般，TCP会重传，速度下降
- > 1%：糟糕，视频卡顿、文件传输失败
注意：我曾经遇到一个案例，丢包率只有0.5%，但客户说文件传输特别慢。后来发现是丢包集中在某个时间段，导致TCP频繁进入拥塞控制。所以，不仅要看平均值，还要看分布。
2.5 吞吐量（Throughput）
吞吐量，就是单位时间内能传输的数据量。单位是bps（比特每秒），或者更常用的Mbps、Gbps。
测吞吐量，我推荐用iPerf：
# 服务端
iperf3 -s
# 客户端
iperf3 -c 服务器IP -t 30 -P 4这里 -t 30 表示测30秒，-P 4 表示用4个并行流。为什么要并行？因为单流可能跑不满带宽，尤其是高延迟链路。
吞吐量和带宽的区别，很多人搞混：
- 带宽：理论最大值，比如你买了100M专线
- 吞吐量：实际能跑到的值，受延迟、丢包、协议等因素影响
说白了，带宽是上限，吞吐量是实际表现。我见过不少客户，买了1G带宽，实际吞吐量只有200M，还以为是运营商的问题。结果一查，是自己的服务器网卡或者磁盘IO跟不上。
2.6 五个指标的关系
这五个指标不是独立的。我画了一张图，帮你理清关系：
你看这张图，五个指标都指向用户体验。任何一个指标出问题，用户体验都会打折。比如：
- 丢包率高 → TCP重传 → 吞吐量下降
- 抖动大 → 视频卡顿 → 用户感知差
- 延迟高 → 吞吐量上不去（TCP窗口限制）
我的建议：做SLA保障时，别只盯着一个指标。我习惯做一个“五维雷达图”，把五个指标都画上去，一眼就能看出短板在哪里。比如延迟和抖动都很好，但丢包率偏高，那问题大概率出在中间链路的某台设备上。
2.7 实战中的计算技巧
最后，分享几个我常用的计算技巧：
- 可用性计算：别按月算，按季度算更合理。一个月偶然故障一次，可用性可能掉到99.5%，但拉长到季度，可能还是99.9%。
- 延迟采样：我一般取P50、P95、P99三个值。P50代表典型值，P95代表大多数情况，P99代表极端情况。
- 抖动计算：用连续采样，别用间隔采样。间隔采样会漏掉短时抖动。
- 丢包率：区分“突发丢包”和“持续丢包”。突发丢包可能是链路切换，持续丢包可能是光衰或设备故障。
- 吞吐量：记得考虑TCP overhead。实际吞吐量 ≈ 带宽 × (1 - 丢包率) × 效率因子（通常0.8-0.95）。
好了，这五个指标的定义和计算就讲到这里。记住，指标是死的，人是活的。关键是要理解每个指标背后的业务含义，这样才能真正做好SLA保障。