SRE学习笔记2：衡量系统稳定性的指标
目前业界有两种衡量系统可用性的方式，一个是时间维度，一个是请
求维度，我们先来看这两个维度的计算公式。
这两个公式很简单，我们得深入进去，一一来看。
我们先来看时间维度的系统可用性。用一句话来概括：时长维度，是从故障角度出发对系统
稳定性进行评估。
这类计算方式我们最常见，毕竟你的系统在一段时间里不出现故障，就说明它很稳定嘛！不
过，在真实的使用场景中，怎么样才算是可用时长，什么情况下又是不可用时长，这个是怎
么定义的呢？
时间维度：Availability = Uptime / (Uptime + Downtime)
请求维度：Availability = Successful request / Total request
我们知道，一个人如果发烧了，体温一般会超过 37.5 度，那如果这个人的体温正好达到这
个温度，是不是代表他一定是生病了呢？依据生活经验，我们知道不一定。为什么呢？因为
我们判断一个人是否发烧生病，不是只看这一次、一时的体温，还要看他体温是不是持续超
过 37.5 度。
所以，这里就涉及到一个测量方法和判定方法的问题，包含三个要素：一个是衡量指标，比
如体温就是衡量指标；第二个是衡量目标，达到什么目标是正常，达不到就是异常，低于
37.5 度算正常，超过 37.5 度就是异常，但是单次测量不能说明问题，我们可以多次测量，
比如 6 次中有至少 4 次低于 37.5 度才算正常，转化成比例的话就是 67%；第三个是影响
时长，比如持续超过 12 小时。
对应到系统上，我们也会用一系列的标准和判定逻辑来说明系统是否正常。比如，系统请求
状态码为非 5xx 的比例，也就是请求成功率低于 95%，已经连续超过 10 分钟，这时就要
算作故障，那么 10 分钟就要纳入 Downtime（宕机时间），如果达不到这个标准，就不
算作故障，只是算作一般或偶然的异常问题。
这里同样有三个要素：衡量指标，系统请求状态码；衡量目标，非 5xx 占比，也就是成功
率达到 95%；影响时长，持续 10 分钟。
因此，只有当问题达到一定影响程度才会算作故障，这时才会计算不可用时长，也就是上面
公式中的 Downtime。同时，我们还要求一个周期内，允许的 Downtime，或者说是系统
的“生病时间”是有限的，用这个有限时间来约束系统稳定性。
针对时长维度的稳定性计算方式的弊端，就是稳定性只与故障发生挂钩。
这就需要第二种衡量方式了，也就是从请求维度来衡量系统可用性。
用一句话来说，请求维度，是从成功请求占比的角度出发，对系统的稳定性进行评估。
请求维度的系统可用性同样包含三个关键要素，第一个衡量指标，请求成功率；第二个衡量
目标，成功率达到 95% 才算系统运行正常；第三个是统计周期，比如一天、一周、一个月
等等，我们是在一个统计周期内计算整体状况，而不是看单次的。
你看，这种方式对系统运行状况是否稳定监管得更为严格，不会漏掉任何一次问题的影响，
因为它对系统整体运行的稳定性判定，不仅仅会通过单次的异常影响进行评估，还会累计叠
加进行周期性的评估。
到这里，我们就总结出一条至关重要的经验了：故障一定意味着不稳定，但是不稳定，并不
意味着一定有故障发生。
在 SRE 实践中，通常会选择第二种，也就是根据成功请
求的比例来衡量稳定性：
Availability = Successful request / Total request
在 SRE 中就是设定稳定性衡量标准的 SLI 和 SLO 的过程。
具体来看下这两个概念。SLI，Service Level Indicator，服务等级指标，其实就是我们选
择哪些指标来衡量我们的稳定性。而 SLO，Service Level Objective，服务等级目标，指
的就是我们设定的稳定性目标，比如“几个 9”这样的目标。
SLI 和 SLO 这两个概念你一定要牢牢记住，接下来我们会反复讲到它们，因为落地 SRE 的
第一步其实就是“选择合适的 SLI，设定对应的 SLO”。
我们以电商交易系统中的一个核心应用“购物车”为例，给它取名叫做 trade_cart。
trade_cart 是以请求维度来衡量稳定性的，也就是说单次请求如果返回的是非 5xx 的状态
码，我们认为该次请求是成功的；如果返回的是 5xx 状态码，如我们常见的 502 或 503，
我们就判断这次请求是失败的。
但是，这个状态码只能标识单次请求的场景。我们之前讲过，单次的异常与否并不能代表这
个应用是否稳定，所以，我们就要看在一个周期内，所有调用次数的成功率是多少，以此来
确定它是否稳定。比如我们给这个“状态码返回为非 5xx 的比例”设定一个目标，如果大
于等于 99.95%，我们就认为这个应用是稳定的。
在 SRE 实践中，我们用 SLI 和 SLO 来描述。“状态码为非 5xx 的比例”就是 SLI，“大于
等于 99.95%”就是 SLO。说得更直接一点，SLO 是 SLI 要达成的目标。
SRE学习笔记2：衡量系统稳定性的指标相关推荐
- Linux学习笔记之——Linux系统内部相关介绍
Linux学习笔记之--Linux系统内部相关介绍 摘要:主要记录一些比较有用的能够帮助理解和使用Linux的知识.比如一些相关概念.没兴趣的看看就好.知道有这么个东西.注意事项.和一些常用目录的作用 ...
- STM32F103学习笔记四 时钟系统
STM32F103学习笔记四 时钟系统 本文简述了自己学习时钟系统的一些框架,参照风水月 1. 单片机中时钟系统的理解 1.1 概述 时钟是单片机的脉搏,是单片机的驱动源 用任何一个外设都必须打开相应 ...
- oracle如何往dg加盘_学习笔记:Oracle DG系统 主备库中表空间和数据文件增加删除等管...
天萃荷净 Oracle Data Guard表空间和数据文件管理汇总 汇总日常工作中操作,在Oracle DG结构系统中,如何删除备库表空间和数据文件,如何管理主库与备库之间的文件系统,详见文章内容. ...
- PhysX学习笔记2 -cloth系统3d模型的导入
PhysX学习笔记2 -cloth系统3d模型的导入 PhysX的cloth的demo中,3d模型是用.obj格式. 环境:win2000, PhysX安装包: PhysX_6.11.01_Syste ...
- C++ MFC 学习笔记+小型通讯录系统实现
MFC 最详细入门教程 [MFC常用函数总结](https://www.cnblogs.com/jiu0821/p/4606639.html) [C++ & MFC]https://www.c ...
- 【学习笔记】秒杀系统架构设计
秒杀其实主要解决两个问题 并发读 VS 并发写 并发读的核心优化理念是尽量减少用户到服务端来"读"数据,或者让他们读更少的数据 并发写的处理原则也一样,它要求我们在数据库层面独立出 ...
- 操作系统学习笔记-04-操作系统的运行机制和体系结构
操作系统学习笔记-2019 王道考研 操作系统-04-操作系统的运行机制和体系结构 文章目录 4-操作系统的运行机制和体系结构 4.1知识总览 4.2运行机制 4.2.1预备知识:什么是指令? 4.2 ...
- 操作系统学习笔记-03-操作系统的发展和分类
操作系统学习笔记-2019 王道考研 操作系统-01-操作系统的概念(定义),功能和目标 文章目录 3-操作系统的发展和分类 3.1知识总览 3.2 手工操作,纸带机,串行式 3.3批处理阶段 -单道 ...
- 操作系统学习笔记-02-操作系统的特征
操作系统学习笔记-2019 王道考研 操作系统-2-操作系统的特征 文章目录 02-操作系统四个的特征 2.1-知识概览 2.2并发 2.3共享 2.3并发和共享的关系 2.4虚拟 2.5小结:虚拟技 ...
最新文章
- 面包好吃却五毒俱全，吃前请三思！
- The organization of a typical MVC application
- mysqld服务启动失败， Failed to restart mysqld.service: Unit not found.
- android 更改软键盘_如何在Android的Google键盘上更改声音和振动
- Android事件分发 笔记
- discuz常用变量
- 如何确保分布式场景下的并发幂等性？
- vc++HOOK详细讲解
- 关于eclipse IDE安装Darkest Dark Theme主题插件
- 爬虫项目实操五、用Scrapy爬取当当图书榜单
- 135编辑器点击换图html,这5种换图姿势，只有排版高手才会！
- tomcat php centeros,linux（center OS7）安装JDK、tomcat、mysql 搭建java web项目运行环境...
- 雷电2接口_雷电3和TYPE-C都是干什么的？一文读懂全部
- Python压缩解压--lzma
- Java Web视频（2013）
- 函数对称性常见公式_函数的各种对称性
- USB协议学习笔记 - CUSTOM HID 设备
- 全票通过！微众开源项目EventMesh进入Apache孵化器
- 探究vite——新一代前端开发与构建工具（一）
- 程序设计基石与实践之实现数字七段显示与发扑克牌问题