SRE体系02----常见术语

MTBF

平均无故障运行时间(即从开始运行到出现故障所经历的时间)，通俗的讲时间越长，说明系统的稳定性和可靠性越好

MTTR

平均故障修复时间(即从系统发生故障到恢复正常所经历的时间)，通俗的讲就是当业务系统故障时，修复系统所花费的时间。时间越短，说明我们的修复和维护工作越高效，也可从侧面说明该业务系统的自愈合能力和抗灾害能力越强

可靠性与可用性

可靠性是从故障出现的次数或频率来判断的，出现故障的次数越少则可靠性越好

可用性是从总的故障时长来判断的，故障总时间越短则可用性越好

SLI

服务水平指示器，直译不好理解。通俗的讲就是用来评价我们服务质量的指标，例如：

• 磁盘存储的可靠性：98%
• 网站访问的延迟：<40ms
• 2xx状态请求占比: 99.92%
• 服务的可使用时间: 98.75%

SLO

服务水平目标。用来描述SLI的目标值，通常指我们在服务时间内(如月度，季度，年度)需要达到的服务目标，SLO可以理解为考核值，而SLI是实际值

服务指标(年度)	SLI	SLO	服务目标达成情况
磁盘存储的可靠性	98%	99.999%	未达成
网站访问的延迟	<40ms	<30ms	未达成
2xx状态请求占比	99.92%	99.999%	未达成
服务的可使用时间	99.75%	99%	达成

SLA

服务水平协议。和用户签订的服务条款，通常是指一些赔付条款。例如通过监控SLI值，并和SLO对比，如果未达成SLO，需要如何为客户提供赔偿

示例

奥得彪在AWS上购买了一台弹性云服务器EC2，用来搭建香蕉零售网站。结果AWS的非洲数据中心多次发生了故障，影响了奥德彪的EC2，一年宕机了共计320个小时，根据计算EC2的年度可用性指标仅仅为96.35%(SLI)。

奥德彪很生气，因为AWS的销售人员承诺他，EC2的年度可用性指标是99.75%(SLO)，即故障时间小于22小时。

然而实际情况是SLI<SLO,说明AWS提供的服务质量明显没达标。于是奥德彪打开了和AWS签署的用户协议(SLA)，上面写着对于额外故障时间，每小时赔付用户10美元。根据此协议，AWS为奥德彪赔偿了2980美元

说明：

从上面的例子我们理解了SLI,SLO,SLA这几个概念，设计这几个概念的初衷在于量化我们的服务质量，管理客户的预期。例如客户总是抱怨网站访问慢，但“慢”是一种很难量化的相对的心里感受状态，并不能直观反映服务质量。

我们可以告诉用户：你使用的共享实例延迟小于80ms(SLO),价格10元/天,而独享实例延迟<20ms(SLO)，价格100元/天, 你可以选择独享实例来提升速度。而用户通过直观的数据，对服务质量和价格有了量化的比较，再看看钱包，也许就不觉的慢了。。。。。。

SLO的设定要合理，(SLI - SLO)的差值波动越小越好，不要给用户越级体验和预期，这对工作并无益处