← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 1560.b.1

SLI是好事件的比例

理解等级:中级

推荐形式:把 SLI 定义为好事件数 ÷ 事件总数,例如: - 成功的 HTTP 请求数 / 总请求数(成功率); - 100 ms 内成功完成的 gRPC 调用数 / 总调用数; - 使用了完整语料库的搜索结果数 / 搜索结果总数(含降级结果); - 使用不超过 10 分钟库存数据的库存检查请求数 / 总库存检查请求数; - “良好用户分钟数” / 用户分钟总数。

好处:取值 0%~100%,直观;直接对应错误预算——错误预算 = 100% − SLO。例如 99.9% 的成功率 SLO,四周内 300 万个请求,错误预算是 3000 个;一次故障造成 1500 个错误就花掉 50%。所有 SLI 采用同一形式,告警逻辑、SLO 分析、预算计算和报表都可以统一按“分子、分母、阈值”处理。

SLI 规范与 SLI 实现: - 规范:对用户重要的服务结果,与如何度量无关(如“首页请求在 100 ms 内加载的比例”); - 实现:规范加上度量方法,同一规范可有多种实现,各有取舍——服务器日志(漏掉没到后端的请求)、虚拟机中运行 JavaScript 的探测(能发现网络不可达,但可能漏掉只影响部分用户的问题)、页面内 JavaScript 埋点上报(最贴近用户体验,但要改代码并建遥测设施)。取舍维度是质量(多准确地反映用户体验)、覆盖(覆盖多少用户)和成本。

起点:第一次的 SLI/SLO 不必正确,最重要的是开始测量并建立反馈环。第一本书建议不要按当前性能定 SLO;但没有其他信息、又有迭代流程时,当前性能是不错的起点——只是别被它限制住:如果服务一直 99.999% 在 10 ms 内返回,用户也会以此为预期。

译文提示:本书为社区机器辅助译本,本卡按上下文和官方英文版理解,引文保留中文原样。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《谷歌站点可靠性工作手册》第02章《第2章 实施SLO》2 度量方法:使用SLI(源文件:extracted/谷歌站点可靠性工作手册/_epub-src/OEBPS/Text/07.html,来源项目 book-sources) - 结论依据:第2章度量方法一节建议把SLI定义为好事件除以总事件并举例,说明其与错误预算的对应和统一工具的好处,区分SLI规范与SLI实现及日志、探测、前端埋点等实现的质量、覆盖、成本取舍,并讨论以当前性能作为起点的条件。 - 原始内容:尽管许多数字可以用作SLI,但我们通常建议将SLI视为两个数字的比值:好事件的数量除以事件的总数。