SRE

基於時間的可用性

可用性 = 系統正常執行時間/(系統正常執行時間+停機時間)

以 90% 可用性來說，一年容允停機時間是 36.5 日，透過計算 (365*24*60)/(365*24*60+36.5*24*60) 約 0.90909090909。

整體可用性評估公式

以全球性的分散式服務作為背景定義，用於描述任何時候、地方，對特定服務總都可以提供一定的使用者流量，也就是線上的概念。

可用性 = 成功請求數/請求總數

服務水準標準

指標

SLI 是服務水準指標: 為某套系統的服務水準所定義的定量指標。

• 請求延遲 (處理請求所耗的時間)
• 錯誤率 (請求處理失敗的百分比)
• 系統處理能力(每秒請求數量)
• etc.

這些度量，將某段時間範圍內將資料蒐集，計算速度、平均值、百分比等資料

可用性是另一個 SLI，代表服務可用的百分比。

持久性，資料能夠完整儲存的時間

目標

SLO(Service Level Objective) 服務水準目標，指某套系統要達成 SLI 的目標值或目標範圍。簡而言之，SLO 定義是 SLI <= 目標值或範圍下限<= SLI <= 範圍上限

協議

SLA 服務水準協議(Agreement)，指服務與使用者之間的明示或暗示性協議，描述達到或沒達到 SLO 之後的後果。因此 SLO 度量是很重要的，不然就會有分歧。

實務應用

與系統有關 SLI 大概可歸類以下

• 使用者面對的服務系統
  • 可用性
  • 延遲
  • 系統處理能力等
• 儲存系統
  • 延遲
  • 可用性
  • 資料持久性
• 大數據系統
  • 資料處理管線系統，系統處理能理、端到端延遲
• 正確性
  • 是否回覆正確資料

指標標準化

• 彙總間隔
• 彙總範圍
• 度量頻率
• 包含那些請求
• 資料如何獲取
• 資料存取延遲

選擇目標

• 不要僅以目前狀態為基礎作為選擇
• 保持簡單
• 避免絕對值
• SLO 越少越好
• 不要追求完美