SLA-мониторинг: как измерить и доказать аптайм по SLA
SLA-мониторинг - это практика независимой проверки доступности сервиса, чтобы у вас были помеченные временем доказательства того, уложился ли сервис в процент аптайма, обещанный соглашением об уровне обслуживания. Эти доказательства важнее всего в споре, поскольку собственная панель провайдера не является нейтральным свидетелем его же простоев.
Что такое SLA-мониторинг?
SLA (соглашение об уровне обслуживания) - это контракт, называющий конкретную цель по доступности, обычно процент аптайма за месяц, например 99,9%, и описывающий, что происходит, если провайдер ее не достигает: как правило, сервисный кредит, иногда право на расторжение. SLA-мониторинг - это постоянная измерительная работа под этим контрактом: проверка обещанного эндпоинта извне сети провайдера, фиксация каждого простоя с отметкой времени и сведение результата в процент, важный для контракта. Без такой независимой записи вопрос, был ли соблюден SLA, сводится к тому, чьим цифрам вы доверяете.
Вести такой учет есть причина у обеих сторон. Клиенту нужны доказательства перед подачей заявки на кредит. Провайдеру нужна собственная честная цифра, прежде чем проблему поймает мониторинг клиента.
SLA против SLO против SLI
Эти три термина используют вольно, но они описывают три разные вещи, по порядку: измерение, цель, обещание.
| Термин | Что это | Пример |
|---|---|---|
| SLI (Service Level Indicator, индикатор уровня обслуживания) | Фактическое измерение, число, вычисленное по реальным проверкам | Аптайм, измеренный внешними точками проверки за последние 30 дней |
| SLO (Service Level Objective, цель уровня обслуживания) | Внутренняя цель для этого индикатора, без каких-либо контрактных последствий | «Мы стремимся к аптайму 99,95% в этом квартале» |
| SLA (Service Level Agreement, соглашение об уровне обслуживания) | Контрактное обещание, построенное на одной или нескольких SLO, с описанным последствием при нарушении | «99,9% ежемесячного аптайма, иначе пропорциональный сервисный кредит» |
Практический тест: если за недостижением числа нигде не записано никаких последствий, это SLO, а не SLA.
Что на самом деле допускает SLA по аптайму
Каждая десятая доля процента значит больше, чем кажется на первый взгляд. Вот сколько допускает каждый распространенный уровень SLA, прежде чем он будет нарушен, для непрерывного 30-дневного месяца и 365-дневного года:
| Цель SLA | Допустимый простой за 30-дневный месяц | Допустимый простой за год |
|---|---|---|
| 99% | 7 ч 12 мин | 3 дня 15 ч 36 мин |
| 99,5% | 3 ч 36 мин | 1 день 19 ч 48 мин |
| 99,9% | 43 мин 12 сек | 8 ч 45 мин 36 сек |
| 99,95% | 21 мин 36 сек | 4 ч 22 мин 48 сек |
| 99,99% | ~4 мин 19 сек | ~52 мин 34 сек |
Скачок с 99,9% до 99,99% урезает допустимый простой на 90%, примерно с 43 минут в месяц до примерно 4 минут. Формулу, стоящую за этим, и рассуждение о каждом уровне смотрите в руководстве как рассчитать аптайм.
Что измерять, чтобы цифра выдержала спор
- Проверяйте извне сети провайдера и из более чем одной локации. Проверка, которая начинается и заканчивается на той же инфраструктуре, которую тестирует, не может увидеть сбой сети, изолирующий эту инфраструктуру от интернета.
- Подберите интервал проверки под уровень SLA. Интервал в 5 минут не может надежно доказать или опровергнуть цель в 99,99%, потому что весь месячный допуск меньше одного цикла проверки.
- Требуйте подтверждения из второй локации, прежде чем засчитывать простой. Локальный сетевой сбой в одной точке - это не простой провайдера; инцидент, открывающийся только когда согласны несколько локаций, не пропускает этот шум в итоговую цифру.
- Исключайте только те окна обслуживания, которые SLA действительно документирует. Незаявленное обслуживание все равно считается простоем; окно, о котором обе стороны договорились заранее, не считается.
- Измеряйте именно тот эндпоинт, который назван в контракте, а не путь health-check, отвечающий 200 независимо от того, работает ли настоящий сервис.
- Применяйте порог времени ответа из SLA, если он там есть. Некоторые соглашения определяют «недоступность» как ответ медленнее заявленного времени, а не только как недостижимость.
- Храните сырой журнал проверок, а не только сведенный процент. Для спора нужны отметки времени, коды ответа и длительности, а не одна цифра, взятая из таблицы.
Как настроить SLA-мониторинг по шагам
- Запишите точный эндпоинт, метрику (аптайм, время ответа или и то, и другое) и окно измерения, заданные в SLA. Проверка не того URL или не того часового пояса дает цифру, которой никто не может пользоваться.
- Задайте интервал проверки достаточно коротким для доказываемого уровня. Как правило, держите его заметно меньше самого короткого простоя, который допускает цель, так что для цели 99,9% нужен интервал в минутах, а не в десятках минут.
- Запускайте проверки из нескольких независимых локаций вне инфраструктуры самого провайдера, распределенных по регионам, где это важно. HostTracker проверяет из более чем 300 точек проверки в 158 городах, так что вы можете выбрать локации ближе к тому месту, где живут ваши реальные пользователи.
- Включите правило повторной проверки или подтверждения, чтобы отказ одной локации подтверждался другими, прежде чем засчитываться как простой.
- Если SLA задает порог времени ответа, настройте его как условие отказа, а не просто как медленный, но проходящий результат.
- Добавьте согласованные обеими сторонами окна обслуживания в конфигурацию мониторинга, чтобы они автоматически исключались из цифры аптайма, а не вручную во время составления отчета.
- Запланируйте регулярный отчет по аптайму с той же периодичностью, с которой измеряется сам SLA, еженедельно или ежемесячно, чтобы цифра никогда не собиралась впервые прямо во время спора.
Как отчитываться по SLA
Запланированный отчет замыкает цепочку между измерением и доказательством. Еженедельный или ежемесячный отчет по аптайму, отправляемый автоматически тому, кто отвечает за отношения с каждой стороны, превращает сырой журнал проверок в число, под которое написан SLA, еще до того, как кто-то успеет его запросить. Публичная страница статуса делает то же самое для всех, кто не входит в этот список рассылки: общая запись аптайма и инцидентов с отметками времени, которой не нужно верить на слово ни одной из сторон. Если вы еще не настроили ее, посмотрите что на самом деле показывает страница статуса. Когда у вас накопятся результаты проверок за период, калькулятор аптайма дает процент без ручных вычислений.
Частые ошибки
- Измерение изнутри собственной сети. Проверка, которая начинается и заканчивается на инфраструктуре, которую вы контролируете, не видит сбой, влияющий только на то, как до вас добирается внешний мир.
- Усреднение аптайма по нескольким сервисам или регионам. Одна смешанная цифра может скрыть один сервис, нарушивший свой SLA, пока другие подтягивали среднее обратно вверх.
- Учет только полных простоев. Если в SLA есть пункт про время ответа, сервис, который отвечает, но намного медленнее порога, тоже нарушает соглашение, даже если полностью не упал ни разу.
- Интервал проверки в 5 минут против цели в 99,99%. Математика не сходится: 99,99% допускает около 4 минут простоя в месяц, меньше одного цикла проверки, так что интервал не способен показать, была ли достигнута цель.
Часто задаваемые вопросы
Как рассчитывается аптайм по SLA?
Так же, как рассчитывается любой процент аптайма: (общее время минус простой), деленное на общее время, умноженное на 100. Специфика SLA в том, какой простой засчитывается: только сбои по точному эндпоинту и окну, названным в контракте, с исключением согласованного обслуживания. Полную формулу и разобранные примеры смотрите в руководстве как рассчитать аптайм.
Засчитывается ли обслуживание против SLA?
Только если оно не было согласовано заранее. Большинство SLA исключают плановое обслуживание, задокументированное обеими сторонами заблаговременно, но простой из-за незаявленного изменения или экстренного исправления, задним числом названного «обслуживанием», все равно засчитывается. Исключение действует для заявленного окна, а не для самого слова.
Какой SLA по аптайму считается хорошим?
99,9% - распространенный базовый уровень для коммерческого сервиса, допускающий около 43 минут простоя в месяц. 99,95% - разумное обязательство среднего уровня, а 99,99% - серьезное обязательство, оставляющее всего несколько минут в месяц, которого трудно достичь без резервной инфраструктуры и дисциплинированного обслуживания. Относитесь к любому обещанию 100% как к маркетинговому заявлению, а не инженерному; таблица выше показывает почему.
Как заявить кредит по SLA?
Общая схема похожа у разных провайдеров: соберите собственные доказательства мониторинга за пострадавший период (отметки времени, проверенный эндпоинт, подтвержденный простой), сравните их с собственной страницей статуса или записью об инциденте у провайдера и подайте заявку через канал поддержки провайдера в срок, установленный контрактом, часто определенное число дней после инцидента. Проверьте конкретный документ SLA провайдера на точный срок и требуемые доказательства, поскольку эти детали различаются и могут быстро истекать.
Может ли одна точка мониторинга сама по себе доказать соблюдение SLA?
Ненадежно. Одна локация не может отличить настоящий простой от проблемы в собственном сетевом пути к провайдеру, а это именно та ложноположительная ошибка, которую спор по SLA не переживет. Подтверждение из более чем одной независимой локации перед тем, как засчитывать простой, - вот что делает итоговую цифру защитимой.