Surveillance SLA : mesurer et prouver la disponibilité

Qu’est-ce que la surveillance SLA ?

Un SLA (service level agreement, ou accord de niveau de service) est un contrat qui fixe un objectif de disponibilité précis, généralement un pourcentage de disponibilité mensuel comme 99,9%, et qui précise ce qui se passe si le fournisseur ne l’atteint pas : typiquement un avoir de service, parfois un droit de résiliation. La surveillance SLA est le travail de mesure continu qui sous-tend ce contrat : vérifier le point de terminaison promis depuis l’extérieur du réseau propre du fournisseur, journaliser chaque panne avec un horodatage, et agréger le résultat dans le pourcentage que le contrat retient. Sans cet enregistrement indépendant, savoir si un SLA a été respecté revient à décider de quels chiffres on fait confiance.

Les deux parties ont une raison de la mettre en place. Un client veut une preuve avant de déposer une demande d’avoir. Un fournisseur veut son propre chiffre honnête avant que la surveillance d’un client ne détecte un problème le premier.

SLA, SLO et SLI

Les trois termes sont souvent utilisés à la légère, mais ils décrivent trois choses différentes, dans cet ordre : mesure, cible, promesse.

Le test pratique : si manquer le chiffre n’a aucune conséquence écrite nulle part, c’est un SLO, pas un SLA.

Ce qu’un SLA de disponibilité permet réellement

Chaque dixième de pourcent compte plus qu’il n’y paraît. Voici ce que chaque palier SLA courant permet avant d’être rompu, pour un mois continu de 30 jours et une année de 365 jours :

Le saut de 99,9% à 99,99% réduit l’indisponibilité permise de 90%, d’environ 43 minutes par mois à environ 4 minutes. Voir comment calculer la disponibilité pour la formule sous-jacente et le raisonnement derrière chaque palier.

Que mesurer pour que le chiffre tienne en cas de litige

• Vérifiez depuis l’extérieur du réseau du fournisseur, et depuis plus d’un emplacement. Une vérification qui démarre et se termine sur l’infrastructure qu’elle teste ne peut pas voir une panne réseau qui isole cette infrastructure d’internet.
• Faites correspondre l’intervalle de vérification au palier SLA. Un intervalle de 5 minutes ne peut pas prouver ou réfuter de façon fiable une cible de 99,99%, parce que la marge mensuelle entière est plus petite qu’un seul cycle de vérification.
• Exigez une confirmation depuis un second emplacement avant de compter une indisponibilité. Le petit incident réseau d’un seul emplacement n’est pas une panne du fournisseur ; un incident qui ne s’ouvre que lorsque plusieurs emplacements sont d’accord garde ce bruit hors du chiffre.
• N’excluez que les fenêtres de maintenance que le SLA documente réellement. Une maintenance non annoncée compte toujours comme de l’indisponibilité ; une fenêtre que les deux parties ont acceptée à l’avance ne compte pas.
• Mesurez exactement le point de terminaison que le contrat nomme, pas un chemin de bilan de santé qui répond 200 que le vrai service fonctionne ou non.
• Appliquez le seuil de temps de réponse du SLA, s’il en a un. Certains contrats définissent « en panne » comme plus lent qu’un temps de réponse énoncé, pas seulement comme injoignable.
• Gardez le journal brut des vérifications, pas seulement le pourcentage agrégé. Un litige a besoin d’horodatages, de codes de réponse et de durées, pas d’un chiffre unique tiré d’un tableur.

Comment mettre en place la surveillance SLA étape par étape

1. Notez le point de terminaison exact, la métrique (disponibilité, temps de réponse, ou les deux) et la fenêtre de mesure que le SLA spécifie. Une vérification contre la mauvaise URL ou le mauvais fuseau horaire produit un chiffre inutilisable.
2. Réglez l’intervalle de vérification assez court pour le palier que vous voulez prouver. En règle générale, gardez-le bien en dessous de la plus petite panne que la cible autorise, donc une cible de 99,9% a besoin d’un intervalle mesuré en minutes, pas en dizaines de minutes.
3. Exécutez les vérifications depuis plusieurs emplacements indépendants, en dehors de la propre infrastructure du fournisseur, répartis dans les régions où cela compte. HostTracker vérifie depuis plus de 300 points de contrôle dans 158 villes, vous pouvez donc choisir des emplacements proches de là où se trouvent vos vrais utilisateurs.
4. Activez une règle de nouvelle vérification ou de confirmation, pour qu’une panne à un emplacement doive être confirmée par d’autres avant de compter comme une indisponibilité.
5. Si le SLA fixe un seuil de temps de réponse, configurez-le comme une condition d’échec, pas juste comme un résultat lent mais réussi.
6. Ajoutez à la configuration de surveillance les fenêtres de maintenance acceptées par les deux parties, pour qu’elles soient exclues automatiquement du chiffre de disponibilité au lieu de l’être à la main au moment du rapport.
7. Programmez un rapport de disponibilité récurrent selon le même rythme que celui sur lequel le SLA est mesuré, hebdomadaire ou mensuel, pour que le chiffre ne soit jamais assemblé pour la première fois pendant un litige.

Comment faire un rapport sur un SLA

Un rapport programmé referme la boucle entre mesurer et prouver. Un rapport de disponibilité hebdomadaire ou mensuel, envoyé automatiquement à qui possède la relation de chaque côté, transforme le journal brut de vérifications en le chiffre sur lequel le SLA est écrit, avant que quiconque n’ait à le demander. Une page de statut publique fait le même travail pour toute personne en dehors de cette liste de diffusion : un registre horodaté et partagé de disponibilité et d’incidents dont ni l’une ni l’autre partie n’a à croire la parole de l’autre. Voir ce qu’une page de statut montre réellement si vous n’en avez pas encore mis une en place. Une fois que vous disposez des résultats de vérification d’une période, les passer dans un calculateur de disponibilité vous donne le pourcentage sans faire le calcul à la main.

Erreurs courantes

• Mesurer depuis l’intérieur de votre propre réseau. Une vérification qui démarre et se termine sur une infrastructure que vous contrôlez ne peut pas voir une panne qui affecte seulement la façon dont le monde extérieur vous joint.
• Moyenner la disponibilité entre plusieurs services ou régions. Un chiffre unique et mélangé peut cacher un service qui a rompu son SLA pendant que d’autres regonflaient la moyenne.
• Ne compter que les pannes complètes. Si le SLA a une clause de temps de réponse, un service qui répond mais bien plus lentement que le seuil est aussi en manquement, même s’il n’est jamais tombé complètement.
• Faire tourner un intervalle de vérification de 5 minutes contre une cible de 99,99%. Le calcul ne fonctionne pas : 99,99% permet environ 4 minutes d’indisponibilité par mois, moins qu’un seul cycle de vérification, donc l’intervalle ne peut pas déterminer si la cible a été atteinte.

Questions fréquentes

Comment la disponibilité SLA est-elle calculée ?

De la même façon que n’importe quel pourcentage de disponibilité : (temps total moins indisponibilité) divisé par temps total, multiplié par 100. La partie spécifique au SLA est de savoir quelle indisponibilité compte : seulement les pannes contre le point de terminaison exact et la fenêtre que le contrat nomme, la maintenance convenue étant exclue. Voir comment calculer la disponibilité pour la formule complète et des exemples travaillés.

La maintenance compte-t-elle contre un SLA ?

Seulement si elle n’a pas été convenue à l’avance. La plupart des SLA excluent la maintenance planifiée que les deux parties ont documentée à l’avance, mais l’indisponibilité issue d’un changement non annoncé, ou d’un correctif d’urgence étiqueté « maintenance » après coup, compte toujours. L’exclusion vise la fenêtre divulguée, pas le mot lui-même.

Qu’est-ce qu’un bon SLA de disponibilité ?

99,9% est une base courante pour un service commercial, permettant environ 43 minutes d’indisponibilité par mois. 99,95% est un engagement de niveau intermédiaire raisonnable, et 99,99% est un engagement sérieux qui ne laisse que quelques minutes par mois, difficile à tenir sans infrastructure redondante et une maintenance disciplinée. Traitez toute promesse de 100% comme une allégation marketing plutôt qu’un engagement d’ingénierie ; le tableau ci-dessus montre pourquoi.

Comment réclamer des avoirs SLA ?

La démarche générale est similaire d’un fournisseur à l’autre : rassemblez vos propres preuves de surveillance pour la période affectée (horodatages, point de terminaison vérifié, indisponibilité confirmée), comparez-les à la propre page de statut ou au registre d’incidents du fournisseur, et soumettez une réclamation via le canal de support du fournisseur dans le délai que fixe son contrat, souvent un nombre défini de jours après l’incident. Vérifiez le document SLA spécifique du fournisseur pour son délai exact et les preuves requises, car ces détails varient et peuvent expirer rapidement.

Un seul emplacement de surveillance peut-il prouver la conformité SLA à lui seul ?

Pas de façon fiable. Un seul emplacement ne peut pas distinguer une vraie panne d’un problème sur son propre chemin réseau vers le fournisseur, ce qui est exactement le genre de faux positif qu’un litige SLA ne peut pas survivre. Une confirmation depuis plus d’un emplacement indépendant avant de compter une panne est ce qui rend le chiffre résultant défendable.