Целевой уровень обслуживания (SLO)

Целевой уровень обслуживания (SLO) — это конкретная измеримая цель по надёжности вашего сервиса, например: «99,9% API-запросов выполняются успешно менее чем за 300 мс, измерено за 30 дней». Он строится на основе индикатора уровня обслуживания (SLI) — сырой метрики, которую вы фактически измеряете, — и является внутренней целью, стоящей за любым внешним соглашением об уровне обслуживания (SLA), которое вы обещаете клиентам. Самое остроумное здесь — бюджет ошибок: цель в 99,9% означает, что вам «разрешено» 0,1% сбоев, то есть примерно 43 минуты простоя в месяц. Этот бюджет становится общим инструментом принятия решений: если вы его исчерпали — замораживаете рискованные запуски и чините надёжность; если бюджет есть в запасе — можно катить релизы быстрее. Для создателей SaaS SLO заменяют расплывчатые споры «сайт должен работать» на цифру, с которой все согласны, и не дают переусердствовать с надёжностью, которая никому не нужна. Начните с одного-двух SLO, обращённых к пользователю (доступность, задержка), а не измеряйте всё сразу.