SLI

Service Level Indicator

ユーザ視点でのサービスの信頼性を表す指標

参考

ユーザ第一であることを見失わないようにすべし

たとえ、可用性のメトリクスが完璧でも、ユーザが「信頼性が低い」と感じれば信頼性は低い

たとえ、ログにエラーがたくさん含まれていても、ユーザに影響がないなら急いで直す必要はない

ユーザ視点で問題がないならアラートを出して緊急対応する必要はない

普通の就業時間まで待って直せば良い

エラー率だけ見てても仕方がない

リクエストがサービスに到達してなければそもそもエラーとして計測されない

メモリやCPUの使用率が高いことのみでは問題とは言えない

使用率が高くてもリクエストが正常に実行されていればユーザにとっては影響がない

ユーザ視点に立って考える

①サービスが稼働しているか

②サービスが使用可能であるか

稼働してても使用可能でないと意味ない

③サービスからのレスポンスはあるか

使用可能でも一生レスポンス返ってこなければ意味ない

④サービスは許容可能な数の良好なレスポンスを返しているか

エラー多すぎたら意味ない

⑤レスポンスは正しいフォーマットになっているか

JSONを期待してるのにxml返ってきてたら意味ない

⑥正しいデータが返ってきてるか

返ってきたデータが古いものだと意味ない

SLIを考える時に、上記6つ全ての計測が必要か？否

一部を計測すれば他の一部も計測できるものもある

e.g. ⑥が正常なら⑤④③②①は前提できる

イベントの結果がSLIを「満たした」か「満たさなかった」の2値で判定できるといい

e.g. サービスに対するレイテンシの95％タイルについては、400ms以内に正しいデータでレスポンスされる

ユーザにとってどう影響があるのかを説明できないといけない