知识卡片

普通读书笔记卡 · 1565.d.1

SLO要写清条件与分层

理解等级:中级

SLO 应写明如何度量和在什么条件下成立,例如“99%(按 1 分钟汇总)的 Get RPC 在 100ms 内完成(含全部后端)”,用了 SLI 模板就可省去口径部分。性能曲线重要时,可设多级目标:90% 在 1ms、99% 在 10ms、99.9% 在 100ms 内完成。批处理用户关心吞吐、交互用户关心延迟时,应按负载分别设 SLO。发散:混合负载共用一条 SLO,谁都保护不了。参见[[用SLI模板统一度量口径]]。

这张卡片看不懂?

已有反馈 · 0 / 10 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第4章 服务质量目标 · 查看原书依据

      目标的定义 为了更清晰地定义,SLO应该具体指出它们是如何被度量的,以及其有效条件。例如,我们可能说: ● 99%(在1分钟的时间范围内汇总)的Get RPC调用会在小于100ms的时间内完成(包括全部后端服务器)。 ● 99% 的Get RPC会在100ms内完成(这一句与上一句一样,只是利用了SLI模板中的信息减少了重复信息)。 如果性能曲线也很重要的话,我们可以指定多个SLO目标: ● 90% 的Get RPC会在1ms内完成。 ● 99% 的Get RPC 会在10ms内完成。 ● 99.9% 的Get RPC会在100ms内完成。 如果我们同时具有批处理用户(关注吞吐量)以及在线交互式用户(关注延迟),那么可能应该为每种负载指定单独的SLO目标: ● 95% 的批处理用户Set RPC 应该在1s之内完成。 ● 99% 的交互式用户Set RPC,并且RPC负载小于 1KB 的应该在 10ms之内完成。 要求SLO能够被100% 满足是不正确,也是不现实的:过于强调这个会降低创新和部署的速度,增加一些成本过高、过于保守的方案。更好的方案是使用错误预算(Error Budget)——对达不到SLO的容忍度——以天或者以周为单位计量。高层管理者可能同时也需要按月度或者季度的评估。(错误预算其实就是保证达到其他SLO的一个SLO!) 达不到SLO的现象的发生频率对用户可见的服务健康度来说是一个有用的指标。通过每日(或者每周)对SLO达标程度的监控可以展示一个趋势,这样就可以在重大问题发生之前得到预警。 SLO不达标的频率可以用来与错误预算进行对比(见第3章“使用错误预算的目的”一节),利用这两个数值的差值可以指导新版本的发布。

    参考来源

    - 位置:《SRE:Google运维解密》第4章《服务质量目标》(源文件:`_epub-src/OEBPS/Text/0008_0002.xhtml`) - 结论依据:原文给出带度量方式与有效条件的 SLO 写法,并示范多级延迟目标与按批处理、交互负载分别设定目标。 - 原始内容:为了更清晰地定义,SLO应该具体指出它们是如何被度量的,以及其有效条件……如果我们同时具有批处理用户(关注吞吐量)以及在线交互式用户(关注延迟),那么可能应该为每种负载指定单独的SLO目标