【背景】 做了 15 年前端，最近碰了一个很典型的扯皮：我们一个核心下单页，后端接口 P99 稳定在 85ms（SLA 写得清清楚楚 < 100ms），但 RUM 数据里用户侧 FCP P75 已经 2.8s、LCP P75 飙到 4.1s。用户投诉「页面卡」，后端同学回一句「我的接口没超时，SLO 达标」。
这不是个例。我见过至少三个团队，后端 SLO 全线绿，前端 RUM 全线红，事故复盘时两边都觉得自己没问题。
【常见分歧 / 三种做法】 我观察下来，团队里大致分三派：
派一：端到端 SLO，用户感知说了算。 "用户不关心你接口 85ms 还是 200ms，他关心的是 3 秒后页面还能不能点。SLO 必须从用户视角定，后端 SLA 只是内部拆解。" 这派通常由产品或 SRE 牵头，把 FCP / LCP / INP（Core Web Vitals）写进 SLO，后端按"预算"分。
派二：前后端 SLO 分开定，各管各的。 "前端慢可能是用户 4G 网络、低端机、CDN 边缘节点抖动，这些不是后端的锅。把 FCP 写进后端 SLO，等于让后端为运营商背锅。" 这派通常由后端或平台团队主导，后端管 TTFB + 接口 P99，前端管 JS 执行 + 渲染。
派三：不定 SLO，定"性能预算"（Performance Budget）。 "别纠结 SLO 归谁，每个 bundle 限 300KB、每个接口限 200ms、首屏请求数限 15 个，超了就 CI 卡住。" 这派偏工程治理，不直接回答"谁对谁错"，而是把问题前置到开发流程里。
【我的倾向与理由】 我倾向派一为主、派三兜底，但有个关键前提：
- SLO 必须以用户感知为锚，否则就变成"各部门自嗨"。后端 P99 85ms 是事实，但用户 FCP 3s 也是事实——两个都对，但只有一个对用户负责。
- 但必须做归因拆解：FCP 3s 里，网络传输占 1.2s（CDN + 用户网络），JS 执行占 0.8s（bundle 太大），服务端 TTFB 占 0.3s，渲染占 0.7s。不拆解就追责，必然扯皮。最省事的量化手段是「TTFB vs Long Task 对齐」：PerformanceObserver 同时观察 resource（取 TTFB = responseStart - requestStart）和 longtask（>200ms 的主线程阻塞），把两者 P99 增量叠到同一时间轴——TTFB 增量占主导是服务端/网络，Long Task 占主导是前端 bundle，约 1 人天就能把扯皮变成一张对比图。
- 性能预算（派三）是落地手段，不是替代品。没有预算，SLO 就是"出了事再查"；有了预算，至少能在上线前拦住 80% 的退化。
落地成本我算过：端到端 SLO 需要 RUM 数据管道（Sentry/自建）、Core Web Vitals 上报、以及一个"性能归因看板"——大概 2 人周搭基建，之后每季度复盘一次。比起"出了 P0 事故再花一周复盘"，这笔账怎么算都划算。
【2024 修订补充】
-
INP 已取代 FID，SLO 锚点要跟着升：Core Web Vitals 的 INP（Interaction to Next Paint）已于 2024 年 3 月正式取代 FID。如果你的 SLO 还只盯 FCP / LCP / FID，会漏掉「交互卡顿」这一维度——用户点按钮后 500ms 没反应，FCP/LCP 全是绿的，但体验已经崩了。建议 SLO 锚点从「FCP + LCP」升级为「LCP + INP」，INP 阈值 200ms（良好线）。
-
RUM 覆盖率 <30% 时不要直接放弃端到端 SLO，用三角验证：我原来只说「数字不可信」，这里补一个可落地的补救——三层数据交叉校准：① 合成数据（WebPageTest / Lighthouse CI）给「实验室基线」，稳定可复现但脱离真实网络；② 真实 RUM 采样（哪怕 20~30% 覆盖）给「真实分布」，重点看 P75 而非均值；③ 用两者比值做「网络系数」校准（真实 P75 / 合成 P75 ≈ 1.8~2.5，超出这个区间说明 RUM 样本可能有偏）。三层跑通前，SLO 上限按合成数据定、告警线按 RUM 定，避免单点噪声把决策带偏。
【想听大家怎么选】
- 你所在团队的性能 SLO 是端到端还是分侧定的？谁拍板的？
- 如果 FCP 超标但接口 P99 达标，你们怎么定责？有没有过"两边都没问题但用户骂"的尴尬？
- 性能预算你们怎么做的？CI 卡 bundle size 还是卡接口耗时？卡了之后有没有"绕过"的情况？
- RUM 覆盖率低（< 30%）的团队，你们怎么定 SLO？是先用代理指标（TTFB + 资源加载时间）凑合，还是先补 RUM 再定？有没有用过合成数据 + RUM 三角校准的？
抛砖引玉，想看看不同规模团队（10 人 vs 100 人 vs 1000 人）在这个问题上的做法差异。