La confiabilidad como presupuesto
Traduce una promesa al usuario en un objetivo medible y usa el margen de falla restante para guiar las decisiones.
AL TERMINAR, PODRÁS
- Definir un SLI con un numerador y un denominador precisos
- Calcular un presupuesto de error basado en eventos
- Distinguir el ritmo de consumo del presupuesto de la tasa de error bruta
Descripción del diagrama: Días transcurridos: 12 de 30; Presupuesto usado: 72 de 100
Define el buen servicio en términos del usuario
Un service-level indicator (SLI, indicador de nivel de servicio) es una medición; un service-level objective (SLO, objetivo de nivel de servicio) es una meta para esa medición durante una ventana de tiempo.
En Relay, un indicador podría ser la proporción de trabajos aceptados elegibles que se completan en menos de sesenta segundos. Define con precisión qué es elegible, aceptado, completado y la ventana de medición. Decide cómo se cuentan los trabajos cancelados, los inválidos y los que todavía están en curso.
Un porcentaje de disponibilidad vago puede premiar el comportamiento equivocado si el endpoint responde con éxito mientras los trabajos nunca terminan. Mide el resultado del que realmente depende el usuario.
Calcula la falla permitida
Para un objetivo basado en eventos del 99,9 % de eventos buenos, la fracción de eventos malos permitida es del 0,1 %.
Sobre 100.000 eventos elegibles, el presupuesto es de 100 eventos malos. Es un presupuesto de eventos, no automáticamente una cantidad de minutos de caída; un indicador basado en tiempo usa otro denominador. El presupuesto es una herramienta de decisión: si queda suficiente margen, puede apoyar un lanzamiento cuidadoso, mientras que un consumo rápido pide trabajo de confiabilidad o mitigación.
No es un permiso para fallarles a propósito a los usuarios ni una promesa de que todos reciben el mismo servicio.
Vigila qué tan rápido se consume el presupuesto
El ritmo de consumo (burn rate) compara la fracción observada de eventos malos con la fracción permitida.
Si la fracción permitida es 0,1 % y la observada es 1 %, el ritmo de consumo es diez veces el ritmo sostenible para ese objetivo. Las ventanas cortas detectan incidentes bruscos, mientras que las largas reducen el ruido y revelan daños sostenidos. El tráfico bajo necesita cuidado especial porque un solo evento puede dominar una proporción.
Las alertas deberían combinar urgencia, impacto y umbrales accionables, en lugar de llamar a alguien por cada desviación. Revisa los objetivos cuando cambien las necesidades de los usuarios o el comportamiento del sistema.
ERROR FRECUENTE
Quitar del denominador los trabajos fallidos o lentos mejora la métrica mientras esconde el daño al usuario. Define la elegibilidad antes de mirar los resultados.
INTÉNTALO TÚ
Para 200.000 trabajos elegibles y un objetivo del 99,5 %, calcula el presupuesto de trabajos malos. Si ya hay 400 trabajos malos, calcula cuántos quedan en el presupuesto.
Decide en el laboratorio.
El checkpoint de dos preguntas, tus notas y tu progreso guardado están en el laboratorio. Gratis y sin cuenta.
Abrir en el laboratorio ↗CONÉCTALO CON RELAY
Escribe un SLO de Relay con una regla de conteo exacta, una ventana, una meta y una política de respuesta ante un consumo rápido del presupuesto.