เมทริกซ์ แดชบอร์ด และ SLI/SLO

การเก็บเมตริกเป็นเพียงขั้นตอนแรก หากต้องการดูแลระบบให้เชื่อถือได้ คุณต้องเปลี่ยนตัวเลขให้เป็น แดชบอร์ด และ เป้าหมายระดับบริการ ที่สะท้อนประสบการณ์จริงของผู้ใช้

Google SRE แนะนำให้เฝ้าดูสัญญาณสี่ประการสำหรับทุกบริการ ได้แก่ เวลาแฝง ปริมาณการรับส่งข้อมูล ข้อผิดพลาด และ ความอิ่มตัว สัญญาณเหล่านี้ครอบคลุมปัญหาส่วนใหญ่ที่ผู้ใช้พบ

รูปแบบเมตริกที่พบบ่อย ได้แก่ ตัวนับ ซึ่งเพิ่มขึ้นอย่างเดียว เช่น จำนวนคำขอที่ให้บริการแล้ว มาตรวัด ซึ่งเพิ่มขึ้นและลดลง เช่น หน่วยความจำที่กำลังใช้งาน และ ฮิสโตแกรม ซึ่งจัดค่าลงในช่วง เช่น ระยะเวลาของคำขอ

ฐานข้อมูลอนุกรมเวลาอย่าง Prometheus ใช้ภาษาสืบค้นเพื่อแยกวิเคราะห์เมตริก ในที่นี้เราจะคำนวณอัตราคำขอต่อวินาทีในช่วงเวลาห้านาที

เครื่องมืออย่าง Grafana เปลี่ยนผลการสืบค้นให้เป็นแผงข้อมูล แดชบอร์ดที่ดีควรตอบคำถามได้ในทันทีว่า ตอนนี้บริการยังทำงานเป็นปกติหรือไม่

• แถวบนสุด: สัญญาณทองคำ
• แผงเจาะลึกรายละเอียดอยู่ด้านล่าง
• ใช้ช่วงเวลาเดียวกันอย่างสม่ำเสมอ

ตัวชี้วัดระดับบริการ คือค่าที่วัดได้ซึ่งสะท้อนความพึงพอใจของผู้ใช้ เช่น สัดส่วนของคำขอที่ดำเนินการสำเร็จและรวดเร็ว

เป้าหมายระดับบริการ คือเป้าหมายของ SLI ในช่วงเวลาหนึ่ง เช่น คำขอ 99.9% ต้องสำเร็จตลอด 30 วัน เป้าหมายนี้กำหนดความหมายของคำว่าเพียงพอ

SLA คือคำมั่นสัญญาตามสัญญาที่ให้ไว้กับลูกค้า ซึ่งมักมีบทลงโทษกำกับ ส่วน SLO คือเป้าหมายทางวิศวกรรมภายในของคุณ ซึ่งโดยทั่วไปเข้มงวดกว่า

หาก SLO ของคุณคือ 99.9% อีก 0.1% ที่เหลือคือ งบข้อผิดพลาด หรือความล้มเหลวที่คุณยอมรับได้ คุณอาจใช้ส่วนนี้กับการนำระบบที่มีความเสี่ยงไปใช้งาน แต่เมื่อใช้หมดแล้ว ให้ชะลอการเปลี่ยนแปลงและทำระบบให้เสถียร

แจ้งเตือนคนเมื่อเกิดสิ่งที่ผู้ใช้รู้สึกได้ เช่น อัตราข้อผิดพลาดสูงหรือการตอบสนองช้า ไม่ใช่แจ้งเตือนเมื่อ CPU ผันผวนเล็กน้อยทุกครั้ง การแจ้งเตือนตามอาการช่วยลดสัญญาณรบกวนและความเหนื่อยล้า

การมีแดชบอร์ดมากเกินไปก็แย่พอ ๆ กับการไม่มีเลย ควรมีแดชบอร์ดจำนวนน้อยที่เชื่อถือได้ มีผู้รับผิดชอบ และเชื่อมโยงกับ SLO แทนการมีแดชบอร์ดเก่าที่ไม่มีผู้ดูแลอยู่เป็นจำนวนมาก

SLO กับงบข้อผิดพลาดเกี่ยวข้องกันอย่างไร

ตอนนี้คุณสามารถทำให้การเฝ้าติดตามมีความหมายได้แล้ว:

• เฝ้าดู สัญญาณทองคำสี่ประการ
• ทำความเข้าใจตัวนับ มาตรวัด และฮิสโตแกรม แล้วสืบค้นด้วย rate()
• กำหนด SLI (ค่าที่วัดได้) และ SLO (เป้าหมาย)
• งบข้อผิดพลาด ใช้กำหนดความเร็วในการนำระบบไปใช้งาน และให้แจ้งเตือนตามอาการ

ความน่าเชื่อถือจึงกลายเป็นสิ่งที่คุณวัดและควบคุมทิศทางได้ ไม่ใช่สิ่งที่ได้แต่หวังว่าจะเกิดขึ้น