知识卡片

普通读书笔记卡 · 5304.d.1

管道SLO要端到端衡量

理解等级:中级

目标:自动检测管道何时不健康、无法满足客户需求,在可能超出错误预算时收到通知,并在可靠性与功能发布间平衡。

数据新鲜度的常见形式:X% 的数据在 Y 时间内处理完;最旧的数据不超过 Y;管道作业在 Y 内成功完成。例:手游 99% 影响分数的用户动作在 30 分钟内反映到排行榜。

数据正确性:计费管道的正确性错误可能多收或少收客户的钱。没有预定义的正确输出时,可以自己生成“黄金数据”(如用测试账户计算预期输出),让测试数据流经真实生产系统,比较预期与实际并设阈值告警。也可做事后分析型 SLO:每季度不正确发票不超过 0.1%;或管道输出错误数据的小时/天数上限。正确性的含义因产品而异。

数据隔离与负载均衡:对高优先级数据承诺更严 SLO 时,资源紧张要先处理它——通常用不同队列或作业,工作节点优先取高优先级任务;也可以用不同资源配置(内存、CPU、网络层级)的工作节点,低配失败的任务交给高配重试。

端到端测量:很容易按阶段或组件设 SLO,但那反映不了客户体验和端到端健康——客户只关心所有阶段之和;按阶段设 SLO 还得收紧每个组件的告警,产生更多不反映用户体验的告警。只按阶段测正确性还会漏掉端到端的数据损坏:上游阶段新增了一个字段,以为下游会处理;下游不认识这个字段就丢掉了——两个作业都“正确”,用户却看不到数据。

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 / 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

    参考来源

    - 位置:《谷歌站点可靠性工作手册》第13章《第13章 数据处理管道》13 管道最佳实践:定义和衡量服务水平目标(源文件:extracted/谷歌站点可靠性工作手册/_epub-src/OEBPS/Text/19.html,来源项目 book-sources) - 结论依据:第13章管道SLO一节给出数据新鲜度的三种形式、用黄金数据与事后分析衡量数据正确性、按优先级隔离数据处理,并强调SLO应端到端衡量,以上游新增字段被下游丢弃为例说明按阶段测量会漏掉端到端损坏。 - 原始内容:但是,以这种方式测量SLO并不能捕获客户的经验或系统的端到端运行状况。