Šta su SLI, SLO i SLA? Vodič kroz metrike pouzdanosti servisa

Šta su SLI, SLO i SLA? Vodič kroz metrike pouzdanosti servisa

SLI, SLO i SLA definišu pouzdanost servisa merljivim metrikama, po uzoru na Googleov SRE pristup. Vodič objašnjava svaki pojam primerima i prikazuje izračunavanje error budgeta.

Reći da je servis „pouzdan” nije dovoljno - potrebno ga je definisati merljivim metrikama. SLI (Service Level Indicator), SLO (Service Level Objective) i SLA (Service Level Agreement) osnovni su elementi tog merenja. Nastali iz Googleovog pristupa Site Reliability Engineering (SRE), ovi koncepti kvalitet servisa izražavaju brojčano i omogućavaju timovima da donose utemeljene odluke. Ovaj vodič objašnjava svaki koncept konkretnim primerima, prikazuje izračunavanje error budgeta i korak po korak vodi kroz postavljanje merenja SLI-ja uz Prometheus.

SLI, SLO i SLA: osnovni koncepti

Ova tri koncepta su povezana, ali deluju na različitim slojevima. SLI meri, SLO postavlja ciljeve, SLA obavezuje.

Koncept Definicija Ko ga definiše? Primer
SLI Merljiv pokazatelj kvaliteta servisa Inženjerski tim Udeo uspešnih zahteva: 99,95%
SLO Ciljna vrednost postavljena za SLI Inženjerski + produktni tim Stopa uspeha >= 99,9% (30 dana)
SLA Pravna obaveza prema klijentu Poslovni + pravni tim 99,9% dostupnosti, 10% kredita u slučaju kršenja

💡 Ključno pravilo: SLA uvek treba da bude blaži od SLO-a. Ako je vaš SLO 99,95%, postavite SLA na 99,9%. Ova razlika stvara zaštitnu zonu u kojoj možete reagovati pre kršenja SLA. SLO posmatrajte kao interni cilj, a SLA kao spoljnu obavezu.

Definisanje SLI-jeva: izbor pravih metrika

Izbor SLI-ja zavisi od vrste vašeg servisa. Google SRE knjiga definiše četiri osnovne kategorije SLI-jeva:

  • Dostupnost Udeo uspešnih odgovora u ukupnom broju zahteva. Formula: uspešni zahtevi / ukupni zahtevi. Najosnovniji SLI za veb API-je i sajtove.
  • Latencija Vreme odgovora na zahtev. Obično se meri kao percentili p50, p95 i p99. Direktno utiče na korisničko iskustvo.
  • Propusnost Broj zahteva obrađenih u jedinici vremena. Ključan SLI za tokove podataka (data pipeline) i sisteme za grupnu obradu.
  • Ispravnost Udeo ispravnih odgovora. Ključno za sisteme plaćanja i usluge obrade podataka. Zahtevi koji vraćaju netačne rezultate računaju se kao neuspesi.

Preporuke za SLI prema vrsti servisa

Vrsta servisa Primarni SLI Sekundarni SLI
Web API Dostupnost (non-5xx / ukupno) Latencija p99 < 500ms
Sajt za e-trgovinu Dostupnost + latencija p95 Stopa uspešnosti naplate
Tok podataka (data pipeline) Svežina (aktuelnost podataka) Ispravnost + propusnost
Servis za skladištenje Trajnost (stopa gubitka podataka) Dostupnost + latencija

Error budget: balans između pouzdanosti i brzine razvoja

Error budget je količina otkaza koju vaš SLO dozvoljava. Servis sa ciljem SLO od 99,9% ima ukupno 43 minuta i 50 sekundi „dozvoljenog otkaza” u 30 dana. Kada se taj budžet potroši, isporuka novih funkcija se zaustavlja, a fokus se prebacuje na poboljšanja pouzdanosti.

Izračunavanje error budgeta
# SLO: 99.9% availability (30-day window)
Error Budget = 1 - SLO = 1 - 0.999 = 0.001 (0.1%)

# Time-based calculation
30 days = 30 x 24 x 60 = 43,200 minutes
Error Budget = 43,200 x 0.001 = 43.2 minutes

# Request-based calculation (1M requests/day)
30-day total = 30,000,000 requests
Error Budget = 30,000,000 x 0.001 = 30,000 failed requests

# Remaining budget
Consumed = actual_errors / total_requests
Remaining Budget = Error Budget - Consumed

⚠️ Politika error budgeta: Kada error budget padne ispod 75%, zaustavite rizične isporuke. Ispod 50% isporučujte samo poboljšanja pouzdanosti. Na 0% zamrznite sve isporuke funkcija i sprovedite postmortem analizu. Ovu politiku unapred zapišite zajedno sa timom.

Merenje SLI-jeva uz Prometheus

HTTP metrike vaše aplikacije možete koristiti za merenje SLI-jeva u Prometheusu. Sledeći PromQL upiti prikazuju osnovne proračune SLI-ja.

SLI dostupnosti

PromQL - SLI dostupnosti
# Successful request ratio over the last 30 days
sum(rate(http_requests_total{code!~"5.."}[30d]))
/
sum(rate(http_requests_total[30d]))

# Remaining error budget percentage
1 - (
  (1 - (
    sum(rate(http_requests_total{code!~"5.."}[30d]))
    /
    sum(rate(http_requests_total[30d]))
  ))
  /
  (1 - 0.999)  # SLO target: 99.9%
)

SLI latencije

PromQL - SLI latencije
# p99 latency (using histogram)
histogram_quantile(0.99,
  sum(rate(http_request_duration_seconds_bucket[5m])) by (le)
)

# Ratio of requests responding under 500ms (latency SLI)
sum(rate(http_request_duration_seconds_bucket{le="0.5"}[30d]))
/
sum(rate(http_request_duration_seconds_count[30d]))

Upozorenja o brzini potrošnje SLO-a (burn rate)

Umesto tradicionalnih upozorenja zasnovanih na pragovima koristite upozorenja o brzini potrošnje (burn rate). Burn rate meri koliko brzo se troši error budget. Ovaj pristup smanjuje broj lažnih alarma i omogućava bržu reakciju na stvarne probleme.

alert-rules.yml - SLO burn rate
groups:
  - name: slo-burn-rate
    rules:
      # Fast burn: 2% budget consumed in 1 hour (14.4x burn rate)
      - alert: SLOBurnRateCritical
        expr: |
          (
            sum(rate(http_requests_total{code=~"5.."}[1h]))
            /
            sum(rate(http_requests_total[1h]))
          ) > (14.4 * 0.001)
        for: 2m
        labels:
          severity: critical
        annotations:
          summary: "SLO burn rate critical - budget depleting rapidly"

      # Slow burn: 5% budget consumed in 6 hours (6x burn rate)
      - alert: SLOBurnRateWarning
        expr: |
          (
            sum(rate(http_requests_total{code=~"5.."}[6h]))
            /
            sum(rate(http_requests_total[6h]))
          ) > (6 * 0.001)
        for: 15m
        labels:
          severity: warning
        annotations:
          summary: "SLO burn rate elevated - budget depleting faster than expected"

Upravljanje SLA-om: obaveze i posledice

SLA je pravni ugovor sa klijentom, a njegovo kršenje ima finansijske posledice. Ključne stvari pri definisanju SLA-a:

Period merenja

Jasno definišite da li SLA merite mesečno ili godišnje. Mesečni periodi omogućavaju strožu kontrolu.

Struktura naknade

Za scenarije kršenja definišite procente kredita ili iznose kazni po nivoima. Obično se primenjuju krediti od 10%-30%.

Izuzeci

Iz obima SLA isključite planirano održavanje, višu silu i probleme koje je izazvao klijent. Jasno to navedite u ugovoru.

Za podešavanje nadzora dostupnosti pogledajte naš vodič za obaveštenja o prekidu rada uz Alertmanager. Za metrike servera pogledajte naš vodič za Prometheus + Grafana. Za distribuirano praćenje (tracing) pogledajte naš OpenTelemetry vodič. Korisni dodatni resursi su Google SRE Book - poglavlje o SLO-u i Prometheus Alerting Best Practices .

Često postavljana pitanja

Mogu li da postavim SLO na 100%?

Ne, SLO od 100% praktično je nemoguć i ne preporučuje se. Nulti error budget znači da ne možete praviti nikakve izmene. Svaka isporuka i izmena konfiguracije potencijalni su izvor otkaza. Čak je i 99,99% veoma ambiciozan cilj koji zahteva značajna ulaganja u infrastrukturu.

Šta da radim kada se error budget potroši?

Zaustavite isporuke novih funkcija i usredsredite se na poboljšanja pouzdanosti. Sprovedite postmortem analize da biste utvrdili uzroke. Ojačajte automatizovane testove, uvedite canary isporuke i proširite pokrivenost nadzorom. Isporuke nastavite kada se budžet obnovi (novi period merenja).

Koja je razlika između SLO-a i SLA?

SLO je interni cilj, a SLA spoljna obaveza. SLO je ciljna vrednost performansi koju postavlja inženjerski tim i čije kršenje nema direktne finansijske posledice. SLA je pravni ugovor sa klijentom čije kršenje dovodi do naknade ili kredita. SLA uvek treba da bude blaži od SLO-a.

Koliko SLI-jeva treba da definišem?

Dovoljno je 2-4 SLI-ja po servisu. Previše SLI-jeva otežava nadzor i donošenje odluka. Usredsredite se na metrike koje najviše utiču na korisničko iskustvo. Kombinacija dostupnosti i latencije obično je dobra polazna tačka.

Zaključak

Kvalitet servisa merite pomoću SLI-jeva, ciljeve postavljajte pomoću SLO-ova, a obaveze prema klijentima preuzimajte pomoću SLA. Uravnotežite pouzdanost i brzinu razvoja mehanizmom error budgeta. Prikupljajte SLI metrike uz Prometheus i na vreme otkrivajte kršenja SLO-a pomoću burn rate upozorenja.

Serverska infrastruktura sa visokim SLA garancijama

Ispunite svoje SLA ciljeve uz Hosted Cloud servere sa garantovanom dostupnošću od 99,9%.

Pogledajte pakete cloud servera →

Podelite

M

Merve Arslan

Stručnjak za WordPress i hosting

Autorka vodiča o optimizaciji performansi WordPress-a, izboru hostinga i infrastrukturi za e-trgovinu.

Komentari uskoro