Monitoramento de SLA: como medir e comprovar o uptime

O que é monitoramento de SLA?

Um SLA (acordo de nível de serviço) é um contrato que define uma meta de disponibilidade específica, geralmente um percentual mensal de uptime como 99,9%, e estabelece o que acontece se o provedor não cumprir: normalmente um crédito de serviço, às vezes o direito de cancelamento. O monitoramento de SLA é o trabalho contínuo de medição por trás desse contrato: verificar o endpoint prometido de fora da rede do próprio provedor, registrar cada indisponibilidade com um timestamp, e consolidar o resultado no percentual que o contrato considera. Sem esse registro independente, saber se um SLA foi cumprido depende de em quais números você confia.

Os dois lados têm motivo para fazer isso. O cliente quer prova antes de abrir um pedido de crédito. O provedor quer o próprio número honesto antes que o monitoramento do cliente detecte um problema primeiro.

SLA vs SLO vs SLI

Os três termos costumam ser usados de forma solta, mas descrevem três coisas diferentes, nesta ordem: medida, meta, promessa.

O teste prático: se não atingir o número não tem nenhuma consequência registrada em lugar nenhum, é um SLO, não um SLA.

O que um SLA de uptime realmente permite

Cada décimo de ponto percentual importa mais do que parece. Veja o que cada nível comum de SLA permite antes de ser descumprido, considerando um mês contínuo de 30 dias e um ano de 365 dias:

O salto de 99,9% para 99,99% corta a indisponibilidade permitida em 90%, de cerca de 43 minutos por mês para cerca de 4 minutos. Veja como calcular o uptime para a fórmula por trás disso e o raciocínio de cada nível.

O que medir para o número resistir a uma disputa

• Verifique de fora da rede do provedor, e a partir de mais de um local. Uma verificação que começa e termina na própria infraestrutura testada não consegue enxergar uma indisponibilidade de rede que isola essa infraestrutura da internet.
• Ajuste o intervalo de verificação ao nível do SLA. Um intervalo de 5 minutos não consegue provar nem refutar de forma confiável uma meta de 99,99%, porque toda a margem mensal permitida é menor do que um único ciclo de verificação.
• Exija confirmação de um segundo local antes de contar a indisponibilidade. Uma instabilidade na rede de um único local não é uma indisponibilidade do provedor; um incidente que só abre quando vários locais concordam mantém esse ruído fora do número.
• Exclua apenas as janelas de manutenção que o SLA realmente documenta. Uma manutenção não divulgada ainda conta como indisponibilidade; uma janela combinada com antecedência pelos dois lados não conta.
• Meça exatamente o endpoint citado no contrato, e não um caminho de health-check que responde 200 independentemente de o serviço real estar funcionando.
• Aplique o limite de tempo de resposta do SLA, se ele tiver um. Alguns acordos definem "fora do ar" como mais lento que um tempo de resposta declarado, não apenas como inacessível.
• Guarde o log bruto das verificações, não apenas o percentual consolidado. Uma disputa precisa de timestamps, códigos de resposta e durações, não de um único número tirado de uma planilha.

Como configurar o monitoramento de SLA passo a passo

1. Anote o endpoint exato, a métrica (uptime, tempo de resposta, ou os dois) e a janela de medição que o SLA especifica. Uma verificação na URL errada ou no fuso horário errado produz um número que ninguém pode usar.
2. Defina o intervalo de verificação curto o suficiente para o nível que você está comprovando. Como regra prática, mantenha-o bem abaixo da menor indisponibilidade que a meta permite, então uma meta de 99,9% precisa de um intervalo medido em minutos, não em dezenas de minutos.
3. Rode as verificações a partir de vários locais independentes fora da própria infraestrutura do provedor, distribuídos pelas regiões que importam. A HostTracker verifica a partir de mais de 300 pontos de verificação em 158 cidades, então você pode escolher locais próximos de onde estão os seus usuários reais.
4. Ative uma regra de nova verificação ou confirmação, para que a falha de um local precise ser confirmada por outros antes de contar como indisponibilidade.
5. Se o SLA define um limite de tempo de resposta, configure-o como uma condição de falha, não apenas como um resultado lento mas aprovado.
6. Adicione as janelas de manutenção combinadas pelos dois lados à configuração do monitoramento, para que sejam excluídas automaticamente do cálculo de uptime, em vez de manualmente na hora do relatório.
7. Agende um relatório recorrente de uptime na mesma periodicidade em que o SLA é medido, semanal ou mensal, para que o número nunca seja montado pela primeira vez durante uma disputa.

Como reportar um SLA

Um relatório agendado fecha o ciclo entre medir e comprovar. Um relatório semanal ou mensal de uptime, enviado automaticamente para quem cuida do relacionamento nos dois lados, transforma o log bruto de verificações no número contra o qual o SLA foi escrito, antes que alguém precise pedir por ele. Uma página de status pública faz o mesmo trabalho para qualquer pessoa fora dessa lista de distribuição: um registro compartilhado, com data e hora, de uptime e incidentes que nenhum dos lados precisa aceitar apenas na palavra do outro. Veja o que uma página de status realmente mostra caso você ainda não tenha configurado uma. Depois de ter os resultados de verificação de um período, rodá-los em uma calculadora de uptime dá o percentual sem fazer a conta na mão.

Erros comuns

• Medir de dentro da sua própria rede. Uma verificação que começa e termina em infraestrutura que você controla não consegue enxergar uma indisponibilidade que afeta apenas o modo como o mundo externo chega até você.
• Fazer a média de uptime entre vários serviços ou regiões. Um único número combinado pode esconder um serviço que descumpriu o SLA enquanto outros elevaram a média de volta.
• Contar apenas indisponibilidades completas. Se o SLA tem uma cláusula de tempo de resposta, um serviço que responde mas está muito mais lento que o limite também está em descumprimento, mesmo sem nunca ter ficado totalmente fora do ar.
• Usar um intervalo de verificação de 5 minutos contra uma meta de 99,99%. A conta não fecha: 99,99% permite cerca de 4 minutos de indisponibilidade por mês, menos do que um único ciclo de verificação, então o intervalo não consegue determinar se a meta foi cumprida.

Perguntas frequentes

Como o uptime de um SLA é calculado?

Da mesma forma que qualquer percentual de uptime é calculado: (tempo total menos indisponibilidade) dividido pelo tempo total, multiplicado por 100. A parte específica do SLA é qual indisponibilidade conta: apenas as indisponibilidades no endpoint e na janela exatos que o contrato cita, com a manutenção combinada excluída. Veja como calcular o uptime para a fórmula completa e exemplos resolvidos.

Manutenção conta contra um SLA?

Só se não tiver sido combinada com antecedência. A maioria dos SLAs exclui manutenções programadas que os dois lados documentaram previamente, mas a indisponibilidade causada por uma mudança não anunciada, ou por uma correção emergencial rotulada como "manutenção" depois do fato, ainda conta. A exclusão vale para a janela divulgada, não para a palavra em si.

O que é um bom SLA de uptime?

99,9% é um piso comum para um serviço comercial, permitindo cerca de 43 minutos de indisponibilidade por mês. 99,95% é um compromisso razoável de nível médio, e 99,99% é um compromisso sério que deixa apenas alguns minutos por mês, difícil de alcançar sem infraestrutura redundante e disciplina de manutenção. Trate qualquer promessa de 100% como uma alegação de marketing, não de engenharia; a tabela acima mostra o motivo.

Como faço para reivindicar créditos de SLA?

O formato geral é parecido entre provedores: reúna sua própria evidência de monitoramento do período afetado (timestamps, o endpoint verificado, a indisponibilidade confirmada), compare com a página de status ou o registro de incidentes do próprio provedor, e envie o pedido pelo canal de suporte do provedor dentro do prazo que o contrato dele estabelece, geralmente um número determinado de dias após o incidente. Consulte o documento de SLA do provedor específico para o prazo exato e as evidências exigidas, já que esses detalhes variam e podem expirar rapidamente.

Um único local de monitoramento consegue comprovar sozinho o cumprimento do SLA?

Não de forma confiável. Um único local não consegue distinguir uma indisponibilidade real de um problema no próprio caminho de rede até o provedor, que é exatamente o tipo de falso positivo que uma disputa de SLA não resiste. A confirmação de mais de um local independente antes de contar uma indisponibilidade é o que torna o número resultante defensável.