分布式系统评分卡
分布式系统量身定制的质量评分卡（Quality Scorecard）体系，涵盖可用性、性能、可扩展性、容错性、可观测性、安全性、可维护性等核心维度。该评分卡结合 SLO（服务等级目标）、SLI（服务等级指标） 和 KPI，支持量化评估与持续监控，适用于微服务、云原生、中台系统等复杂架构。
一、分布式系统质量评分卡总览
| 维度 | 权重建议 | 核心目标 | SLI指标 | SLO目标（优秀） | 评分范围 |
|---|---|---|---|---|---|
| 可用性（Availability） | 20% | 系统持续可用 | 服务可用率 | ≥99.95%（26分钟/年） | 0-100 |
| 性能（Performance） | 20% | 响应快速 | P99延迟、吞吐量 | P99 < 500ms，QPS ≥1000 | 0-100 |
| 容错性（Fault Tolerance） | 15% | 故障自愈 | 故障恢复时间、故障传播率 | RTO ≤30s，RPO=0 | 0-100 |
| 可观测性（Observability） | 15% | 快速定位问题 | 日志覆盖率、Trace完整率 | 100%关键路径可追踪 | 0-100 |
| 可扩展性（Scalability） | 10% | 弹性伸缩 | 自动扩缩容成功率 | 扩容成功率 ≥99% | 0-100 |
| 安全性（Security） | 10% | 防御攻击 | 漏洞数量、认证成功率 | 0高危漏洞，认证成功率 ≥99.9% | 0-100 |
| 可维护性（Maintainability） | 10% | 易于升级 | 部署频率、变更失败率 | 每日可部署，变更失败率 <5% | 0-100 |
✅ 综合得分 = Σ(维度得分 × 权重)
🎯 目标SLO：综合得分 ≥ 90分（优秀）
二、各维度详细SLO与评分标准
1. 可用性（Availability）
定义：系统在指定时间内正常提供服务的能力。
| SLO等级 | 标准 | 评分规则 |
|---|---|---|
| 优秀（A） | ≥99.95% | 得分 = 100 |
| 良好（B） | 99.9% ≤ 可用率 < 99.95% | 得分 = 90 |
| 一般（C） | 99.5% ≤ 可用率 < 99.9% | 得分 = 80 |
| 较差（D） | 99% ≤ 可用率 < 99.5% | 得分 = 60 |
| 不合格（F） | <99% | 得分 = 30 |
📌 SLI计算：
Text编辑可用率 = (总时间 - 故障时间) / 总时间 × 100%
✅ 案例：某支付网关月度可用率为99.98% → 得分 = 100（A级）
2. 性能（Performance）
定义：系统响应速度与处理能力。
| SLO等级 | P99延迟 | 吞吐量（QPS） | 评分 |
|---|---|---|---|
| 优秀（A） | <500ms | ≥1000 | 100 |
| 良好（B） | <1s | 500-1000 | 90 |
| 一般（C） | <2s | 200-500 | 80 |
| 较差（D） | <5s | 100-200 | 60 |
| 不合格（F） | ≥5s 或 <100 | <100 | 30 |
📌 SLI计算：
- P99延迟：99%请求的响应时间
- QPS：每秒查询数
✅ 案例：订单查询服务P99=420ms，QPS=1200 → 得分 = 100（A级）
3. 容错性（Fault Tolerance）
定义：系统在组件故障时仍能正常运行的能力。
| SLO等级 | 故障恢复时间（RTO） | 数据丢失（RPO） | 评分 |
|---|---|---|---|
| 优秀（A） | ≤30s | 0 | 100 |
| 良好（B） | ≤2min | ≤1min | 90 |
| 一般（C） | ≤5min | ≤5min | 80 |
| 较差（D） | ≤15min | ≤15min | 60 |
| 不合格（F） | >15min | >15min | 30 |
✅ 案例：数据库主节点宕机，30秒内自动切换至备节点，无数据丢失 → 得分 = 100
4. 可观测性（Observability）
定义：系统内部状态可被监控、追踪和诊断的程度。
| 指标 | SLO目标 | 评分规则 |
|---|---|---|
| 日志覆盖率 | 100%关键服务有结构化日志 | 达标=50分，每低5%扣10分 |
| Trace完整率 | 95%+请求有完整调用链 | 达标=50分，否则按比例 |
| 指标采集率 | 所有服务暴露Prometheus指标 | 达标=100分 |
📌 总分 = 日志分 + Trace分 + 指标分
✅ 案例：所有微服务接入OpenTelemetry，Trace完整率98%，日志100%结构化 → 得分 = 100
5. 可扩展性（Scalability）
定义：系统应对负载增长的能力。
| SLO等级 | 自动扩缩容成功率 | 资源利用率波动 | 评分 |
|---|---|---|---|
| 优秀（A） | ≥99% | CPU 40%-70% | 100 |
| 良好（B） | 95%-99% | 30%-80% | 90 |
| 一般（C） | 90%-95% | 20%-90% | 80 |
| 较差（D） | 80%-90% | <20% 或 >90% | 60 |
| 不合格（F） | <80% | 极端波动 | 30 |
✅ 案例：大促期间自动扩容成功，无失败 → 得分 = 100
6. 安全性（Security）
定义：抵御攻击、保护数据的能力。
| 指标 | SLO目标 | 评分规则 |
|---|---|---|
| 高危漏洞数 | 0 | 每发现1个扣30分 |
| 认证成功率 | ≥99.9% | 按比例得分 |
| 审计日志完整性 | 100%关键操作可审计 | 缺失则扣20分 |
✅ 案例：季度安全扫描无高危漏洞，认证成功率99.95% → 得分 = 100
7. 可维护性（Maintainability）
定义：系统易于变更、升级和修复。
| 指标 | SLO目标 | 评分规则 |
|---|---|---|
| 部署频率 | ≥1次/天 | 达标=50分 |
| 变更失败率 | <5% | 失败率×100，扣分 |
| 回滚时间 | ≤5分钟 | 超时每5分钟扣10分 |
✅ 案例：CI/CD每日部署，变更失败率3%，回滚3分钟 → 得分 = 100
三、综合评分卡示例（电商平台订单系统）
| 维度 | 得分 | 权重 | 加权得分 |
|---|---|---|---|
| 可用性 | 99.97% → 100 | 20% | 20.0 |
| 性能 | P99=480ms, QPS=1100 → 100 | 20% | 20.0 |
| 容错性 | RTO=25s, RPO=0 → 100 | 15% | 15.0 |
| 可观测性 | 全链路追踪+日志 → 100 | 15% | 15.0 |
| 可扩展性 | 扩容成功率99.2% → 95 | 10% | 9.5 |
| 安全性 | 无漏洞，认证99.92% → 100 | 10% | 10.0 |
| 可维护性 | 每日部署，失败率4% → 100 | 10% | 10.0 |
| 合计 | — | 100% | 99.5 |
🎯 综合得分：99.5分 → 质量等级：卓越
四、实施建议
- 工具链集成：
- 监控：Prometheus + Grafana
- 追踪：Jaeger / OpenTelemetry
- 日志：ELK / Loki
- 告警：Alertmanager + PagerDuty
- 自动化评分：通过脚本每日计算得分，生成报告。
- SLO仪表盘：在Grafana中可视化各维度得分。
- 改进闭环：对得分<80的维度发起根因分析（RCA）。
五、适用场景
- 微服务架构治理
- 云原生平台（K8s）评估
- 中台系统健康度检查
- DevOps成熟度评估
- 系统迁移前后对比
