SRE の原則
SLI、SLO、SLA、error budget、toil の削減、インシデント管理、on-call、blameless postmortem
1SRE における SLI (Service Level Indicator) とは何ですか？
SRE における SLI (Service Level Indicator) とは何ですか？
回答
SLI (Service Level Indicator) は、ユーザーに提供されるサービスレベルの特定の側面を測定する定量的な指標です。一般的な SLI には、可用性 (uptime)、latency (応答時間)、error rate、throughput などがあります。これらの指標は monitoring システムによって客観的に測定され、SLO を定義するための基盤となります。たとえば、可用性の SLI は、全リクエストに対する成功した HTTP リクエスト (2xx コード) の割合になります。
2SLO と SLA の主な違いは何ですか？
SLO と SLA の主な違いは何ですか？
回答
SLO (Service Level Objective) は、SRE の取り組みを導くためにチームが定義する内部的なサービスレベル目標であり、法的な結果を伴いません。SLA (Service Level Agreement) は顧客との正式な契約であり、目標が達成されない場合の結果 (返金、ペナルティ) を含みます。SLO は通常、安全なバッファを作り SLA 違反を避けるために SLA より厳しく設定されます。たとえば、SLA 99.5% に対して SLO 99.9% にすることで余裕が生まれます。
3SRE における error budget とは何ですか？
SRE における error budget とは何ですか？
回答
error budget は、一定期間におけるサービスの障害または利用不能の許容量です。100% と SLO の差として算出されます。たとえば SLO が 99.9% の場合、error budget は 0.1% (月あたり約 43 分の downtime) になります。この error budget はイノベーションと信頼性のバランスを取ることを可能にします。予算が残っている限り、チームは新機能を迅速にデプロイできます。使い切った場合は安定性に注力し、release を延期する必要があります。
サービスの残りの error budget をどのように計算しますか？
サービスの error budget を使い切ったときはどうすればよいですか？
+21 面接問題