知识卡片
事故影响用业务指标核算
单机CPU升高说明资源状态,不能直接等同受损用户数。可用请求错误比例、有效请求量下降等业务SLI,按时间窗和统计范围评估影响。Trace有助于关联路径,但采样和覆盖不足时不能当全量分母;影响和根因是不同结论。
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
原书出处 · 1 处
- 事故复盘 · 查看原书依据
使用监控数据和应用日志得到单个节点的影响后,就可以进一步评估整个集群的事故影响。例如,基于日志计算请求错误比例和基于大数据日志统计请求量下降程度等,这些数据往往是业务的SLI指标。如果全面使用链路Trace系统,那么就会比较容易统计事故影响范围,而当缺乏链路Trace系统支持时,那么就需要核对业务的SLI指标,通过对比SLI指标确定事故影响范围。
参考来源
- 位置:《大型网站运维:从系统管理到SRE》第7章《事故复盘》(来源项目:book-sources;源文件:extracted/大型网站运维:从系统管理到SRE/_epub-src/text/part0009_split_003.html)
- 结论依据:原文在7.3 事故分析的逻辑和原则中给出的机制、案例或图表支撑本卡;保留其业务前提,示例数字不作为通用标准,补充限制与实测结果明确区分。
- 原始内容:使用监控数据和应用日志得到单个节点的影响后,就可以进一步评估整个集群的事故影响。例如,基于日志计算请求错误比例和基于大数据日志统计请求量下降程度等,这些数据往往是业务的SLI指标。如果全面使用链路Trace系统,那么就会比较容易统计事故影响范围,而当缺乏链路Trace系统支持时,那么就需要核对业务的SLI指标,通过对比SLI指标确定事故影响范围。