【SREを理解する（SLI / SLO / SLA）】

SREの基礎をざっくり学習
通常は、SLA → SLO → SLI の順番で設定することが一般的

SLI (Service Level Indicators)：サービスレベル指標

あらかじめ決めたユーザーの利用するサービスがユーザーが許容できる範囲で完了するまでの指標

• 良いイベント数 / すべてのイベント数 ✕ 100 = SLI

• 良いイベントの設定はユーザーがサービスを利用するにあたり、最も重要に考えられることを設定する必要がある

  • データ処理の正確性
  • データの鮮度
  • スループット ..etc

• SLIはシンプルにしよう！！

  • 2~6個にする

• SLIを設定する際の定義（例）

  • 定義1：リクエスト・レスポンス
    • 可用性、応答スピード、品質
  • 定義2：データ処理
    • 可用性、正確性、鮮度、スループット
  • 定義3：ストレージ
    • 耐久性、冗長性、復旧時間

SLO (Service Level Objectives)：サービスレベル目標

SLIで設定した値以内で完了したサービス提供回数がすべてのサービス提供回数のうち、 どのぐらいの割合で提供できればいいかという目標値

• SLOを90%と定義していた場合に、SLIが95%であれば、SLOを達成していることになる

  • SLI
  • 期間：SLIを計測する期間となり、 先月一ヶ月間とか過去の特定の期間 (30日間、 1週間) となります
  • 目標：特定の期間に期待する 「良好なイベント」 のイベント全体に占める割合などになります

• GoogleからSLOを定義する際に留意すべきルールが紹介されている

  • 現在のパフォーマンスに基づいてターゲットを選択してはならない
  • シンプルさを保つ
  • 「絶対」を避ける
  • SLOは最小限に設定する
  • 最初から完璧を目指すな

SLA(Service Level Agreement)：サービスレベル契約

SLOが達成できなかった場合に、ユーザーに対して何らかの補償などを約束する法的な契約

• SLAの可用性ついて
  • 巧妙に設計されたソフトウェアは99.9%（スリーナイン）
  • 巧妙に設計された運用は99.9%（フォーナイン）
  • 巧妙に設計されたビジネスは99.9%（ファイブナイン）

おわり

参考にさせていただいたUdemyの講座はSRE学習の初めに最適だと感じました。
SRE サイトリライアビリティエンジニアリング――Googleの信頼性を支えるエンジニアリングチーム は積読ぎみなので、少しづつ読んでいこう。。

参考

• SRE（サイト・リライアビリティ・エンジニアリング）が”ざっくり”「スッキリ」分かる講座