Site Reliability Engineering

Site Reliability Engineering

1) SLA (Service Level Agreement) -> SLO + money



2) SLO (Service Level Objective)
-What are the bounds?
-Up 90% of time
-http 5xx < 10/min
-size > 10mb
- < 100 packet drops/a
- < 5s replication latency



3) SLI (Service Level Indicator)
-basically -any metric
-up or down
-latency (metryka, jak szybko się ta strona, ping)
-TTFB (metryka, time to first bite, czas po krórym strona będzie się wczytywać)
-size
-replication lag
-bandwidth
-errors
-Http 2xx, 5xx

4) Count the nines

No such thing as 100%

-99,0% - 7,3 h/month
-99,9% - 43 min/month
-99,99% - 4,3 min/month
-99,999% - 26 s/month
-99,9999% - 2,6 s/month


5) Error budget (100 - SLO)

6) How to fulfil the SLA

-you can make more reliable systems from less reliable parts

Trzy podejścia:
n+1
n+m
n+n

n- liczba potrzebnych serwerów

-uswanie spof (single point of failure)

-gracefull degradation

Cache:
1) usprawnienie coś co jest pod nim  (skalowanie backendu)
2) skalowanie backendu ale jeśli padnie to nadal możemy coś casheować


7) It's not always about uptime