SLI, SLO ve SLA Nedir? Hizmet Güvenilirliği Metrikleri Rehberi

Bir servisin "güvenilir" olduğunu söylemek yeterli değildir - bunu ölçülebilir metriklerle tanımlamanız gerekir. SLI (Service Level Indicator), SLO (Service Level Objective) ve SLA (Service Level Agreement) bu ölçümün temel yapı taşlarıdır. Google'ın Site Reliability Engineering (SRE) yaklaşımından doğan bu kavramlar, hizmet kalitesini sayısal olarak tanımlar ve ekiplerin doğru kararlar almasını sağlar. Bu rehberde her kavramı somut örneklerle açıklıyor, error budget hesaplama yöntemini gösteriyor ve Prometheus ile SLI ölçümünü adım adım kuruyoruz.

SLI, SLO ve SLA: Temel Kavramlar

Bu üç kavram birbiriyle ilişkili ancak farklı katmanlarda çalışır. SLI ölçer, SLO hedef koyar, SLA taahhüt eder.

SLI Tanımlama: Doğru Metrikleri Seçmek

SLI seçimi servisinizin türüne göre değişir. Google SRE kitabı dört temel SLI kategorisi tanımlar:

• Availability (Erişilebilirlik) Servisin isteklere başarılı yanıt verme oranı. Formül: başarılı istek / toplam istek. Web API'ler ve web siteleri için en temel SLI.
• Latency (Gecikme) İsteklerin yanıt süresi. Genellikle p50, p95 ve p99 percentile olarak ölçülür. Kullanıcı deneyimini doğrudan etkiler.
• Throughput (İş Hacmi) Birim zamanda işlenen istek sayısı. Veri pipeline'ları ve batch işleme sistemleri için kritik SLI.
• Correctness (Doğruluk) Yanıtların doğru olma oranı. Ödeme sistemleri ve veri işleme servisleri için kritik. Yanlış sonuç dönen istekler başarısız sayılır.

Servis Tipine Göre SLI Önerileri

Error Budget: Güvenilirlik ve Hız Arasındaki Denge

Error budget, SLO'nun izin verdiği hata miktarıdır. %99.9 SLO hedefi olan bir servis, 30 günde toplam 43 dakika 50 saniye "hata yapma hakkına" sahiptir. Bu bütçe tükendiğinde yeni özellik deploy'ları durdurulur ve güvenilirlik iyileştirmelerine odaklanılır.

# SLO: %99.9 availability (30 gunluk pencere)
Error Budget = 1 - SLO = 1 - 0.999 = 0.001 (%0.1)

# Zaman bazli hesaplama
30 gun = 30 x 24 x 60 = 43,200 dakika
Error Budget = 43,200 x 0.001 = 43.2 dakika

# Istek bazli hesaplama (gunluk 1M istek)
30 gunluk toplam = 30,000,000 istek
Error Budget = 30,000,000 x 0.001 = 30,000 basarisiz istek

# Kalan budget
Harcanan = gercek_hata_sayisi / toplam_istek
Kalan Budget = Error Budget - Harcanan

Prometheus ile SLI Ölçümü

Prometheus'ta SLI'ları ölçmek için uygulamanızın HTTP metriklerini kullanabilirsiniz. Aşağıdaki PromQL sorguları temel SLI hesaplamalarını gösterir.

Availability SLI

# Son 30 gundeki basarili istek orani
sum(rate(http_requests_total{code!~"5.."}[30d]))
/
sum(rate(http_requests_total[30d]))

# Error budget kalan yuzdesi
1 - (
  (1 - (
    sum(rate(http_requests_total{code!~"5.."}[30d]))
    /
    sum(rate(http_requests_total[30d]))
  ))
  /
  (1 - 0.999)  # SLO hedefi: %99.9
)

Latency SLI

# p99 latency (histogram kullanarak)
histogram_quantile(0.99,
  sum(rate(http_request_duration_seconds_bucket[5m])) by (le)
)

# 500ms altinda yanit veren isteklerin orani (latency SLI)
sum(rate(http_request_duration_seconds_bucket{le="0.5"}[30d]))
/
sum(rate(http_request_duration_seconds_count[30d]))

SLO Burn Rate Alert

Geleneksel eşik tabanlı alert'ler yerine burn rate alert'ler kullanın. Burn rate, error budget'ın ne hızda tükendiğini ölçer. Bu yaklaşım yanlış alarm oranını düşürür ve gerçek sorunlara daha hızlı tepki verilmesini sağlar.

groups:
  - name: slo-burn-rate
    rules:
      # Hizli yanma: 1 saatte %2 budget tuketimi (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 hizla tukeniyor"

      # Yavas yanma: 6 saatte %5 budget tuketimi (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 beklenenden hizli tukeniyor"

SLA Yönetimi: Taahhüt ve Sonuçları

SLA, müşteriyle yapılan yasal bir sözleşmedir ve ihlalinin mali sonuçları vardır. SLA belirlerken dikkat edilmesi gerekenler:

Uptime monitoring kurulumu için Alertmanager ile Kesinti Bildirimi rehberimizi, sunucu metrikleri için Prometheus + Grafana rehberimizi, distributed tracing için OpenTelemetry rehberimizi inceleyin. Google SRE Book - SLO Bölümü ve Prometheus Alerting Best Practices ek kaynak olarak faydalıdır.

Sıkça Sorulan Sorular

Sonuç

SLI ile hizmet kalitesini ölçün, SLO ile hedef belirleyin, SLA ile müşterilerinize taahhüt verin. Error budget mekanizması ile güvenilirlik ve geliştirme hızı arasında denge kurun. Prometheus ile SLI metriklerini toplayın ve burn rate alert'ler ile SLO ihlallerini erken tespit edin.