← 返回卡片

原书出处

SRE:Google运维解密

04 第4章 服务质量目标

核验版本的摘录快照 · 导入于 2026-11-14T07:34:50.200Z

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。

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/SRE:Google运维解密/_epub-src/OEBPS/Text/0008_0002.xhtml

EPUB SHA-256:5bd7e1e6474442d93354f1f13578bcb59c445e0dc7e54fa052cdc95f5f3e439c