基于Blackbox Exporter的HTTP端点SLI配置及PromQL正确性咨询

延迟SLI的PromQL优化 #

你用probe_http_duration_seconds > 1能找出单次延迟超1秒的探测，但如果要统计延迟符合要求的请求占比（对应你的SLI目标），更合适的写法是：

1 - (sum_over_time(probe_http_duration_seconds > 1[1d]) / sum_over_time(probe_http_duration_seconds[1d]))

这个查询会算出1天内延迟≤1秒的请求占比，直接匹配你要的延迟指标要求。

可用性SLI的PromQL修正 #

你当前的quantile_over_time(0.80, probe_http_status_code)[1d] > 400逻辑不对，问题出在：

• 对HTTP状态码取分位数没有业务价值——比如哪怕80%的请求都是200，剩下20%是500，80分位数的状态码还是200，这个查询根本没法反映可用性。
• 可用性的核心是成功请求的占比，而Blackbox Exporter已经提供了更靠谱的probe_success指标（1代表探测成功，0代表失败，涵盖了状态码错误、连接超时等所有失败场景）。

正确的可用性SLI查询应该是：

avg_over_time(probe_success[1d]) >= 0.8

如果一定要用状态码判断（比如只把4xx/5xx算失败），可以这么写：

avg_over_time((probe_http_status_code <= 399)[1d]) >= 0.8

这个查询会统计1天内状态码≤399的请求占比，符合你“80%可用性”的要求。

小提示 #

• 延迟SLI别只看单次探测，统计占比才是SLI的核心意义
• 可用性优先用probe_success，比自己判断状态码更全面，不容易漏判超时、DNS解析失败等场景

内容的提问来源于stack exchange，提问作者sal