读书笔记（SRE：Google运维解密）：第4章服务质量目标

本文链接：https://blog.csdn.net/github_37320188/article/details/108917867

本文介绍了Google运维中的服务质量指标（SLI）、服务质量目标（SLO）和服务质量协议（SLA）。SLI如延迟、错误率和可用性是衡量服务性能的关键。SLO定义了SLI的目标值，而SLA涉及未达标时的应对措施。通过理解用户需求来确定重要指标，并建议使用分布而非平均值来定义SLI，同时标准化和重用SLI模板以简化管理。选择SLO时，应考虑实际情况，避免过于理想化，SLO有助于建立合理的用户预期。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

                    
                    服务质量指标（SLI）、服务质量目标（SLO）、服务质量协议（SLA）
 这三项分别是指该服务最重要的一些基础指标、这些指标的预期值，以及当指标不符合预期时的应对计划
  
大部分服务都将请求延迟—处理请求所消耗的时间——作为一个关键SLI
 （a）其他常见的SLI包括错误率（请求处理失败的百分比）、系统吞吐量（每秒请求数量）等
 （b）可用性（availability）是另外一个SRE重视的SLI，代表服务可用时间的百分比
 （c）运维行业经常用9的数量来描述可用程度。例如，99%可用性被称为“2个9”,99.999%被称为“5个9”。目前Google 云计算服务公开的可用性指标是“3.5个9”—99.95% 可用
  
SLO是服务质量目标（Objective）：服务的某个SLI的目标值，或者目标范围。SLO的定义是SLI≤目标值，或者范围下限≤SLI≤范围上限
  
区别SLO和SLA的一个简单方法是问“如果SLO没有达到时，有什么后果？”
  
究竟如何来识别哪些指标对服务是最重要：理解用户对系统的真实需求才能真正决定哪些指标是否有用
 （a）用户可见的服务系统，例如莎士比亚搜索服务的前端服务器通常关心可用性、延迟，以及吞吐量。换句话说：是否能正常处理请求？每个请求花费的时间是多少？多少请求可以被处理？
 （b）存储系统通常强调：延迟、可用性和数据持久性。换句话说：读写数据需要多少时间？我们是否可以随时访