3.2 链路感知与质量监测：SLA指标体系

3.2 链路感知与质量监测：SLA 指标体系

3.1 节建好了隧道，本节解决选路的原料问题：每条隧道此刻的时延、抖动、丢包是多少、怎么测、多久测一次。这些数字是 3.3 节一切决策的输入，也是第 6 章可见性平台展示的原始数据——没有可信的指标，"智能选路"就是掷骰子。

指标先于策略

选路策略写得再花哨，也只等价于指标的质量。广域网选路关心三个核心指标加两个辅助指标：时延（单程或往返，决定交互类应用的"跟手"程度）、抖动（时延的波动幅度，破坏实时流的播放节奏）、丢包（每百包丢失比例，触发重传与卡顿）；辅助的是带宽可用度（链路还剩多少余量）与连接健康（探测是否可达）。五个指标合起来构成一条链路的"体检单"。

探测怎么做：两条通道互补

工程上有两类探测通道，成熟方案两者都用。隧道级心跳：边缘设备在每条隧道上周期发送探测包（可类比为 BFD 式双向心跳），间隔典型 100 毫秒到 1 秒，乘以失败倍数即判不可达；它负责"生死判断"，特点是轻量、快。应用级探测：模拟真实业务包大小与频率的探测流（语音用小包高频、视频用中大包），测量结果更贴近真实应用的体验；它负责"质量判断"，开销大一些，通常对关键隧道常开、普通隧道降频。两类探测都在边缘本地执行，结果逐级上报控制器汇总，同时留在本地供失联时的自治选路使用——这与 2.1 节"边缘自治兜底"呼应。

指标的统计口径

裸测量值会跳，直接拿来决策会造成误切。标准做法是滑动窗口加平滑：取最近若干个采样（例如 30 秒窗口内按秒聚合），丢包率与平均时延用指数加权平均，抖动取窗口内时延的标准差或最大最小差。决策读的是平滑值，告警看的才是瞬时值——这条纪律能挡掉大半"链路明明没事却总在切"的故障单。

图：SLA 探测与指标生成机制：从探测包到体检单

阈值从哪来：别照抄厂商默认值

厂商预置的 SLA 模板（语音 150/30/1 这类数字）只是行业经验的起点，直接全网套用是常见错误。正确顺序是：先在现网测出各应用的真实基线（9.1 节的调研产出），再把阈值定在"基线的合理余量"处。例如现网视频会议本底时延 80 毫秒，阈值定 150 毫秒余量合理；若本底已 130 毫秒，150 的阈值会让链路常年贴线、频繁触发切换。阈值还分触发阈值与恢复阈值：触发 150、恢复 120——两个值之间的缓冲带是防止乒乓切换的关键，3.3 节展开。

探测的盲区

链路感知有两个已知盲区，审方案时要问。盲区一：单程与往返。 心跳测的是往返时延，上下行不对称的链路（4G 上行弱）会把问题藏起来；对策是双向探测或利用应用反馈。盲区二：探测包与真实包的不同命。 探测包小、优先级高，可能一路绿灯而真实业务包在队列里排队；应用级探测与真实业务体验数据（第 4 章的应用性能统计）互校，才能缩小偏差。

一组可直接抄的探测参数

把本节的纪律落成参数，下面是一组经过实战检验的起点配置（各厂商字段名不同，数值口径相通）：

参数之外再说一遍两条纪律的"为什么"。决策读平滑值：某分行宽带曾经因为一次骨干切换造成 20 秒的高丢包，瞬时值触发了切换（这是对的），但随后平台的告警风暴与人工误操作（反复手动回切）造成了二次故障——如果决策与告警都锚定平滑值，这次事件只会留下一条"链路抖动、已切换、已恢复"的正常记录。告警看瞬时值但按事件聚合：瞬时劣化该让运维知道，但要知道的是"一件事"，不是三百条采样。

问题：体检单准不准，怎么验证？

用对照组。在一条链路上同时跑两个独立来源的测量：边缘自带的探测，和一台外置测速仪（或运营商的检测服务）。跑一周，对比两者的时延曲线相关性。相关性高（趋势一致）说明探测可信；如果边缘探测长期"报喜"而外置测量显示劣化，大概率是探测包太小或路径不同（比如探测走了管理通道而非业务隧道）——这正是 3.2 节讲的"探测包与真实包不同命"盲区的实锤。验证过一次之后，这套对照可以固定成季度例行动作。

决策阈值与告警阈值的分工

同一体检单上的数字，在决策与告警两处的用法应当不同，混用会造成两套机制的互相干扰。决策阈值（3.3 节策略表里的触发与恢复值）面向自动化：取值贴近业务可感知的体验边界，带缓冲带，动作是切换。告警阈值面向人：应当比决策阈值更宽松——切换都处理好了的事，人不需要知道；人要知道的是"切换之后还不达标"（所有备选链路都越限）、"趋势性劣化"（一周内丢包基线爬升）、以及"探测异常"（心跳失败但链路似乎可达）。用一句话概括分工：决策阈值回答"要不要换路"，告警阈值回答"要不要人来看"。两套阈值在平台里分开配置、分开评审，是告警治理（6.3 节）的前置条件——大量噪音告警的根源就是两套阈值共用一套值。

多链路比较的公平性

同一站点多条链路的指标要"同场竞技"，公平性有三个前提，缺一个比较结果就失真。前提一：同口径测量——所有链路的探测包大小、间隔、统计窗口必须一致，用 1000 字节包测宽带、64 字节包测专线再放一起比，是隐形的不公平。前提二：同业务时段——链路的优劣随时段翻转（宽带晚高峰差、专线全天稳），比较要用同一时段的窗口数据；策略执行时的"当下值"天然满足，但人为调阈值时要看同时段历史。前提三：同方向——去程质量好不代表回程好，尤其不对称链路；双端边缘各自测量自己方向的质量并交换结果，才能避免"单边报告"的偏差。三个前提都成立于成熟方案的设计里，但运营中的人工分析（比如调阈值、写方案）常常违反——把这三条贴在分析报告的模板上，是最便宜的防错。

本节要点

• 五指标体检单：时延、抖动、丢包为主，带宽余量与可用性为辅；决策读平滑值，告警看瞬时值。
• 双通道探测：隧道级心跳判生死（快），应用级探测量质量（准），本地执行、本地留底、上报汇总。
• SLA 阈值要用现网基线校准，触发与恢复双阈值之间留缓冲带。
• 盲区两处：往返时延掩盖上下行不对称；探测包不同于真实包，需业务体验数据互校。

指标到手，下一节把指标变成决策：一条流量在什么时刻、被谁、依据什么判据切换到另一条隧道。