知识卡片
持续校准SLO与真实不满
先要有用户满意度的信息源:统计人工发现的中断、公共论坛帖子、支持工单、客服电话;社交媒体情绪;代码中定期采样满意度;面对面调查。从最低成本的开始;让产品经理把可靠性纳入与客户关于价格和功能的讨论是好起点。
检验 SLO 质量:把已知中断和工单高峰的时间段与错误预算骤降的时间段对照——是否相关?可用 Spearman 等级相关系数量化。示例图中工单数与预算损失大体相关,但有两个异常:某天只有 5 张工单却损失了 10% 预算;某天 40 张工单却没有损失预算——都要调查。
覆盖不足是正常的,SLI/SLO 要随服务现实而变。办法: - 改 SLO:SLI 显示有问题而 SLO 没让人响应 → 收紧;把调整后的 SLO 套到历史 SLI 上,看还会捕获哪些事件——但如果为提高召回率而牺牲精确率,让团队不断响应不重要的事件,就毫无意义(召回率:SLI 捕获到的重大用户影响事件比例;精确率:SLI 捕获的事件中真正严重影响用户的比例)。误报多的日子则考虑放宽;两个方向都不行,就要改 SLI 实现; - 改 SLI 实现:把测量点挪得更靠近用户(从服务器挪到负载均衡器或客户端)提高质量;或提高覆盖(用能检查更多功能的健康检查处理程序,或执行全部客户端 JavaScript 的测试代替简单 GET); - 有抱负的 SLO:需要更严格的 SLO 才能让用户满意,但产品改进需要时间——直接收紧会让你永远处于超标、受政策约束。可以把更严的目标设为“有抱负的 SLO”,与现行 SLO 一起跟踪,但在政策中写明它不触发行动,从而跟踪进展而不陷入永久紧急状态。
迭代:选投资回报最高的改进;前几轮要快速、低成本地试错,减少指标的不确定性,再决定是否需要更昂贵的度量。
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?
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
- 第2章 实施SLO · 查看原书依据
在这种情况下,您可以使精简的SLO成为*理想的SLO * ---与您当前的SLO一起进行测量和跟踪,但是在错误预算策略中明确指出它不需要采取措施。