知识卡片
多窗口多消耗率告警
消耗率:相对于 SLO,消耗错误预算的速度。消耗率 1 表示窗口结束时预算恰好用完(30 天 99.9% SLO 下恒定 0.1% 错误率);消耗率 2 → 15 天用完;10 → 3 天;1000(100% 错误)→ 43 分钟。 - 触发时间 = (1 − SLO) / 错误率 × 告警窗口 × 消耗率; - 触发时已消耗预算 = 消耗率 × 告警窗口 / 周期。
4. 单一消耗率:窗口固定 1 小时,消耗 5% 预算才通知 → 消耗率阈值 36(错误率 > 36 × 0.1%)。精确率好、窗口短计算便宜、检测快、重置 58 分钟;但召回差——35 倍消耗率永远不告警,却会在 20.5 小时内耗尽 30 天预算。
5. 多个消耗率:按紧急程度分级——1 小时消耗 2%(消耗率 14.4)呼叫、6 小时消耗 5%(消耗率 6)呼叫、3 天消耗 10%(消耗率 1)开工单。快速耗尽就立即呼叫,低而持续的消耗在下一个工作日处理(Google 认为只有呼叫和工单能真正促使人行动)。缺点:参数更多;3 天窗口重置时间长;条件同时满足时需告警抑制,避免一个事件发三条通知。
6. 多窗口、多消耗率(推荐):每个长窗口再配一个短窗口(约为长窗口的 1/12),只有两者都超标才告警——确认“仍在消耗预算”,大幅改善重置时间。例如 1 小时与 5 分钟都超过 14.4 倍才呼叫;错误停止 5 分钟后短窗口回落,告警即停止。
99.9% SLO 推荐起点: - 呼叫:长 1 小时 / 短 5 分钟 / 消耗率 14.4 / 2% 预算; - 呼叫:长 6 小时 / 短 30 分钟 / 消耗率 6 / 5% 预算; - 工单:长 3 天 / 短 6 小时 / 消耗率 1 / 10% 预算(示例配置中另有 24 小时/2 小时、消耗率 3 的工单级规则)。 优点:按严重程度灵活控制告警类型,精确率高,召回好;缺点:参数多,规则难管理(见大规模告警)。作者认为这是大多数情况下捍卫 SLO 最合适的方法。
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?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 第5章 基于SLO发出警报 · 查看原书依据
我们发现基于多种消耗速率的警报是实施基于SLO的警报的有效方法。