寻求 SRE

第 21 章 服务级目标的艺术与科学

本作品已使用人工智能进行翻译。欢迎您提供反馈和意见：[e-mail]

Theo Schlossnagle，Circonus

如果大家都不知道期望是什么，就无法达到或超越期望。在每项工作中，你都必须了解自己的目标，以衡量自己是否成功。在本章中，我们将了解 SRE 设定目标时的情况。

为什么要设定目标？

SRE 的主要目标是维护系统的可靠性。服务级别目标（SLO）是 SRE 用来确定这一目标是否成功的主要机制。我相信你能明白，如果不明确定义 "做好"，就很难 "做好自己的工作"。SLO 提供了我们定义 "做好 "所需的语言。

您可能更熟悉服务水平协议 (SLA)，那么我们就从这里开始。一些人认为 SLA 是黑暗的核心，而另一些人则认为它是救赎之光。为什么会出现这种差异呢？我认为这是因为它们是如何定义的。定义服务水平协议的方式可以让生产商和消费者设定自己的期望值，也可以让他们感到绝望、做出虚假保证或承担危险的经济责任。让我们不要在黑暗中耗费太多时间。

如今，人们经常使用 SLO 这个术语，而在本文中，SLA 只是双方或多方 "同意 "的 SLO。在本文中，SLO 和 SLA 可以互换使用，但我们努力将 SLA 视为 "外部 "多方协议，将 SLO 视为 "内部 "单方目标。

虽然服务水平协议的概念非常通用，而且它只是简单明了地概述了如何向消费者提供服务，但至少在计算领域，它们往往侧重于两个特定的标准：可用性和服务质量（QoS）。现在，根据服务类型的不同，QoS 可以也应该有不同的含义。请注意，生产者和消费者最终分别指的是业务和客户，但通常情况下，当我们定义架构中组件之间的 SLO 时，它可能指的是生产组件和消费组件。生产组件的例子包括可访问网络的块存储系统和授权微服务 API；每个组件都会有许多不同的客户，并向这些其他服务承诺可用性、性能，有时甚至是安全性。

SLA 其实很简单，就是通过不过度承诺来限制风险，并通过提供让客户放心使用服务的保证来吸引客户。细节决定成败；虽然概念简单明了，但选择承诺的内容和量化承诺的方式都是一门艺术。

在 SLA 中，您总是承诺在一段时间内提供服务。这个时间通常是每月一次，有时是每天一次。您承诺的时间段往往与您的标准计费周期一致，但与您的退款策略完全匹配。最后一部分非常重要。如果你承诺在一天内提供某项服务，但却未能兑现，那么你很可能会以退还当天服务费的方式来兑现承诺。如果承诺的是一个月的服务，其影响就非常明显了。

显然，许多 SLA 都使用多个时间窗口，以便在风险和保证之间取得平衡。例如，如果某天违反服务水平协议 1 分钟，当天的费用将被退还；如果某月违反服务水平协议 1 小时，则当月的全部费用将被没收。我将不再谈论违反 SLA 后的退款问题，而只是谈谈违反 SLA 的后果。至于如何对违反承诺的行为进行补偿，不在本书讨论范围之内；祝你好运。

这里的启示是，只有在固定的时间范围内考虑 SLA 时，SLA 才有意义，这些时间范围被称为 "保证窗口"。考虑到当今服务的发展趋势以及主要服务提供商披露其中断（违反 SLA 的简化术语）的方式，我假设我们使用的是每日范围。如果该窗口不同，本文中的所有概念都可以应用，但在改变该保证窗口时，请计算并了解您的风险敞口。

现在，让我们从上下文而不是抽象的角度来看这个问题。我会先讨论可用性，然后再讨论 QoS，因为这更容易推理。

可用性

可用性简单地说就是您的服务可供使用。它仅在最基本的意义上发挥作用。它并不意味着消费者能在他们期望的时候得到他们期望的答案。我举几个可用性的例子来说明这一点。 ...