← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 1576.a.1

多窗口多消耗率告警

理解等级:高级

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?

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05章《第5章 基于SLO发出警报》5 4 消耗速率警报;5 多个消耗速率警报;6 多窗口,多消耗率警报;结论(源文件:extracted/谷歌站点可靠性工作手册/_epub-src/OEBPS/Text/10.html,来源项目 book-sources) - 结论依据:第5章定义消耗率及其与耗尽时间、触发时间、已消耗预算的关系,依次说明单一消耗率(召回差)、多消耗率分级呼叫与工单(需告警抑制)、多窗口多消耗率(短窗口为长窗口1/12以改善重置时间)三种方法,给出99.9% SLO的推荐参数并推荐第六种。 - 原始内容: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。