总目标“可用性”带来的问题
对于SRE来说，他们的终极KPI是可用性。但是，这个KPI对于SRE团队来说没有任何的指导意义。就好比篮球比赛上的目标是100分，它也不会教你的团队如何在一场比赛中拿到100分。我们应该思考的是如何在篮球比赛拿分，是通过提升个人能力，还是通过战术等。
说到底，不论是篮球分数，还是可用性，它们都是结果性指标，是无法指导我们的过程的。我们应该把精力放在过程指标，而不是结果指标。球场上的球员紧盯着计分牌对于得分是起不了任何作用的。
所以，我们需要对“高可用”这个指标进行更深入的思考才能确定我们真正的KPI。
更深入思考可用性
深入思考可用性，你遇到的第一个问题是，对于服务A，可用性指的是什么？如果没有定义，就无法谈“达到可用性”。
那么可用性指的是什么呢？可用性通常和业务指标有关。因为业务目标是软件存在的意义。比如对于语音相关的服务，它的可用性指标可以是：语音交互失败数、语音交互耗时等。
达到可用性目标的方法
不论可用性对于业务指标的定义是什么，个人认为都可以通过以下方法达到：
-
减少影响可用性的因素
-
减少解决可用性问题的时间
方法1：减少影响可用性的因素
要回答这个问题，我们需要先确定有哪些因素导致服务不可用。目前能看到的因素有：
-
性能因素，包括应用级别、基础设施级别等；
-
容量因素，包括负载均衡连接数及带宽、数据库容量等；
-
安全因素，包括DDOS等；
-
外部依赖因素，包括依赖的第三方服务挂了等；
-
人为因素，包括错误的配置、业务逻辑错误等；
-
不可抗拒因素，包括光缆被挖断、水泡机房等。
方法2：减少解决可用性问题的时间
简单地说就是：减少发现故障的时间和减少修复故障的时间。
可用性KPI制定具体步骤
根据“可用性”的思考，个人认为可用性KPI的制定的具体步骤如下：
-
SRE与各业务团队共同确定以什么业务指标作为可用性指标；
-
监控该可用性指标，并保证全年数据；
-
监控所有的影响可用性的因素、并制定应对方案；
-
制定故障发现与恢复记录机制；
-
列出所有导致故障发现时间延长的因素，并解决；
-
列出所有导致可用性恢复时间延长的因素，并解决。
欢迎关注：持续交付实践指南
过往好文推荐：
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
文章由极客之音整理，本文链接：https://www.bmabk.com/index.php/post/70963.html
