SLO - 概述

服务等级目标（SLO）定义并衡量您承诺向客户提供的服务水平。通过建立明确的性能目标，SLO 使团队能够监控、评估并持续改进其服务交付。

在 Site24x7 中，您可以使用与可用性和性能属性相关的指标来定义 SLO，从而评估您的服务是否满足服务等级协议（SLA）。

追踪服务可靠性有助于确保与已定义的服务等级承诺保持一致，并有助于维系客户信任。这种方法可帮助项目经理和站点可靠性工程师实现多项目标，包括管理错误预算（即 SLO 违反前允许的最大宕机时间或故障次数）、评估 SLO 违反的影响，以及制定向客户提供的 SLA。

什么是 SLO？

SLO 是服务的可靠性目标，定义了在特定时间段内服务的可接受可用性或性能水平。

SLO 以固定时间窗口内的百分比来表示。例如，某 SLO 可能规定网站在过去 30 天内的正常运行时间应达到 99.9%。如果服务低于此阈值，则表明未能达到约定的服务水平。

SLO 通常基于称为服务等级指标（SLI）的指标，SLI 是用于监控实现 SLO 进度的关键性能指标。

为什么需要 SLO？

SLO 有助于监控服务的可靠性，并基于数据做出决策以改善服务交付。以下是使用 SLO 的原因：

• 追踪性能趋势：SLO 帮助您了解服务在特定时间范围内的表现。
• 预防违约：通过监控 SLO，您可以在问题影响客户之前主动解决。
• 提升客户信任：达成或超越 SLO 可增强客户对您服务的信心。
• 驱动工程决策：SLO 识别需要提升可靠性的领域，帮助团队有效确定工程优先级。
• 集中管理：从统一仪表板定义和管理所有受监控资源的 SLO。
• 性能可视化：使用直观图表可视化 SLO 性能，并生成详细报表供审查。
• 错误预算追踪：自动计算并监控错误预算和消耗速率，以保持在可接受的可靠性限制内。
• 智能告警：当 SLO 接近或超过定义阈值时接收告警，确保及时采取行动。

使用场景

监控应用程序的 SLO
为了理解为什么 SLO 对应用程序性能至关重要，请参考以下实际场景：

您有一个使用 Site24x7 APM 监控的 Web 应用程序。您希望确保应用程序在两秒内响应用户请求，这是您对至少 95% 的总交互次数设定的目标。您可以使用以下配置创建 SLO：

• SLI：响应时间（基于 APM 事务指标）
• 时间窗口：过去七天
• 阈值：95% 的事务应在两秒内完成

配置完成后，Site24x7 将持续评估您的应用程序性能是否符合定义的阈值。如果超过 5% 的事务超过两秒限制，则视为阈值被突破，这将消耗错误预算——即 SLO 内允许的故障边际。

Site24x7 计算消耗速率，以指示错误预算被消耗的速度。如果整个错误预算在时间窗口内被耗尽，则表示 SLO 被违反，即公司未能履行对客户承诺的可靠性保证。

在 Site24x7 中监控 SLO 有助于您随时了解目标是否正在实现，以及客户承诺是否按计划进行。基于此洞察，您可以及时采取纠正措施，防止进一步劣化并改善整体性能。

SLO 的工作原理

在 Site24x7 中，您可以通过选择监视器和关联的 SLI（如可用性或响应时间），然后选择阈值和评估窗口来定义 SLO。Site24x7 持续检查是否满足定义的目标。如果性能低于阈值，则 SLO 失败。

您可以为单个监视器或使用标签的监视器组定义 SLO。配置完成后，Site24x7 提供 SLO 评估的图形视图和报表，帮助您轻松评估服务可靠性。

深入了解 SLO 配置、性能指标及相关功能

通过以下资源，探索关键 SLO 概念，了解如何设置和监控 SLO、分析性能指标，以及生成报表以确保服务可靠性。