DevOps Pokročilý

SLO, SLI a Error Budgets — Deep Dive¶

SLOSLIError BudgetSRE 6 min čtení

Praktický průvodce implementací SLO a SLI. Výběr metrik, výpočet error budgets, alerting a burn rate.

SLI — Co Měřit¶

• Availability — % úspěšných requestů
• Latency — % requestů pod prahem (p99 < 300ms)
• Throughput — úspěšně zpracované operace/s
• Correctness — % správných výsledků
• Freshness — stáří dat pod prahem

SLO Definice¶

# SLO pro API Gateway
SLO: 99.9% availability (měsíční rolling window)
SLI: sum(http_requests{status!~"5.."})/sum(http_requests)
Error Budget: 0.1% = 43.2 minuty/měsíc

# Prometheus recording rule
- record: sli:api_availability:ratio_rate30d
  expr: |
    sum(increase(http_requests_total{status!~"5.."}[30d]))
    / sum(increase(http_requests_total[30d]))

Error Budget & Burn Rate¶

Error budget = 1 - SLO. Burn rate říká, jak rychle budget spotřebováváte.

# Multi-window burn rate alert
- alert: HighErrorBudgetBurn
  expr: |
    (
      sli:error_ratio:rate1h > (14.4 * 0.001)
      and
      sli:error_ratio:rate5m > (14.4 * 0.001)
    )
  labels:
    severity: critical
  annotations:
    summary: "Error budget burn rate 14.4x"

Error Budget Policy¶

• Budget OK → deploy nové features, experimentujte
• Budget < 50% → zvýšená opatrnost
• Budget vyčerpaný → feature freeze, fokus na stabilitu

Error budget policy je dohoda mezi SRE a product týmem.

Shrnutí¶

SLO/SLI framework s error budgets a burn rate alertingem transformuje monitoring z reaktivního na proaktivní.

Potřebujete pomoct s implementací?¶

Náš tým má zkušenosti s návrhem a implementací moderních architektur. Rádi vám pomůžeme.

Nezávazná konzultace