知识卡片
错误预算的运作流程
测试多少、发布多频繁、金丝雀等多久,常靠谈判能力而非数据决定,而“希望不是一种策略”。错误预算把它变成规则:产品方定季度 SLO,监控系统作为中立第三方测量实际在线时间,两者差值就是剩余预算,有预算就能发布。例如 SLO 为 99.999% 时预算是 0.001%,一次 0.0002% 的故障就用掉 20%。预算将尽时研发会主动加测试、放慢发布。发散:前提是 SRE 有权叫停发布。参见[[错误预算的本质]]。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
- · 第3章 拥抱风险
原书出处 · 1 处
- 第3章 拥抱风险 · 查看原书依据
我们的实际做法如下: ● 产品管理层定义一个SLO,确定一项服务在每个季度预计的正常运行时间。 ● 实际在线时间是通过一个中立的第三方来测算的:我们的监控系统。 ● 这两个数字的差值就是这个季度中剩余的不可靠性预算。 ● 只要测算出的正常在线时间高于SLO,也就是说,只要仍然有剩余的错误预算,就可以发布新的版本。 例如,假设一项服务的SLO是每季度99.999%的查询成功率。这就意味着,这项服务在给定季度的错误预算是0.001%。如果某个问题导致我们这个季度产生了0.0002%的故障,就相当于占用了这项服务20% 的季度错误预算。
参考来源
- 位置:《SRE:Google运维解密》第3章《拥抱风险》(源文件:`_epub-src/OEBPS/Text/0008_0001.xhtml`)
- 结论依据:原文列出错误预算的四步构建流程与 20% 消耗示例,说明它以客观数据替代谈判,并使研发团队自我调节风险。
- 原始内容:● 产品管理层定义一个SLO,确定一项服务在每个季度预计的正常运行时间。● 实际在线时间是通过一个中立的第三方来测算的:我们的监控系统。● 这两个数字的差值就是这个季度中剩余的不可靠性预算。● 只要测算出的正常在线时间高于SLO,也就是说,只要仍然有剩余的错误预算,就可以发布新的版本。