本文介绍etcd v3.5.33的容量管理机制：Compaction删除历史revision但不缩文件，Defrag回收bbolt文件空洞，quota默认2GiB触发NOSPACE alarm后拒绝写入。运维需先compact再defrag，注意auto-compaction保留窗口与Watch续传的SLO耦合，避免过短导致ErrCompacted风暴。

本文是Envoy Gateway系列终章，通过机制排除树收束选型判断，明确何时不应运行Envoy Gateway，并回收Cilium与Tetragon系列指向的南北向内容。文章列出排除树判据、否证条件、四个开放问题（如status是否足以当SLO），并给出ADR友好的收束建议，强调先排除再选择，避免品牌口号式讨论。

本文介绍SLO工程实践，核心是错误预算与Burn Rate告警。文章从SLI选择、错误预算计算、多窗口多燃烧率告警规则（3条Page+3条Ticket）到组织落地，提供Prometheus模板。强调SLO价值在于驱动日常决策，通过案例说明慢性退化如何耗尽预算，并给出落地清单与常见坑点。

文章讨论了系统可靠性管理中的SLI（服务水平指标）、SLO（服务水平目标）和SLA（服务水平协议）的重要性。通过量化稳定性，团队能够更有效地平衡功能开发与系统稳定性。引入错误预算（Error Budget）使决策基于数据，减少告警噪声，提高工程师效率。SLO不仅是技术指标，也成为产品与工程团队沟通的共同语言，推动组织行为的改变。

本研究针对大型语言模型服务在动态请求模式下面临的低推理延迟和未能满足服务水平目标（SLO）的挑战，提出了SpecServe系统。该系统通过动态调整推测策略来适应实时请求负载和系统配置，显著提高了性能并保持了高SLO达成率，实验结果显示相对于当前最先进的推测推理系统，速度提升可达1.14倍至14.3倍。

本研究探讨了大规模分布式计算系统中服务水平目标的合规性问题，提出了一种结合主动推理与强化学习的新方法，显示出在内存使用、CPU稳定性和快速收敛方面的优势。

AdaServe是首个通过细粒度推测解码实现SLO定制化的大语言模型服务系统，实验结果显示其SLO达成率和有效吞吐量分别提高了73%和74%。

本文探讨了服务质量的关键概念SLA、SLO和SLI，强调在11.11大促中通过设置SLO优化服务性能和可靠性。分析了可用率和请求延迟等指标的重要性，并分享了告警治理的实践经验，旨在提升用户体验和系统稳定性。

本文介绍了服务质量的核心概念，包括SLA（服务等级协议）、SLO（服务水平目标）和SLI（服务水平指标）。通过案例分析，探讨了如何设定SLO、管理告警以及优化服务性能和可靠性，强调在高峰期如11.11大促中明确服务目标、制定应急计划和团队协作的重要性。

本研究解决了现有大语言模型（LLM）服务中指标无法反映用户体验的问题。我们提出了一种统一的指标框架，包括SLO和良吞吐量，通过参数设置适应不同任务的特定目标。该框架为未来LLM服务优化提供了潜在方向，并旨在为该领域提供统一的评估标准。