Field Map中堅エンジニアの地図

どこまで止まってよいかを先に決め、それを守るために、何を見張り、いつ人を呼ぶかを設計します。
あおば商事の経費精算に、SLO・エラーバジェット・アラート・当番を当てはめて試します。

なぜ SLO から設計するか

SLI・SLO・エラーバジェットの言葉と、目標から止まってよい時間を出す計算は、新人向けの Stack Map「目標を数で決める」にあります。ここでは、決めて、合意して、運用に使う側の目で見ます。

SLI・SLO・SLA の違い

SLI は測る数、SLO はその目標、SLA は契約での約束です。だれが決め、外れたら何が起きるかが違います。例は、あおば商事の経費精算(作り物)です。

練習: SLI? SLO? SLA?

何を SLI にするか(経費精算に当てはめる) 考え方のヒント

部品を、頼みに答える物・ためておく物・流れ作業(パイプライン)に分けると、測る数を選びやすくなります。流れ作業では、鮮度(期日までにできたか)や正しさを測ります。部品を押すと、SLI の候補と SLO の案(作り物)が出ます。

    エラーバジェットを計算する

    エラーバジェットは、SLO を守ったまま失敗してよい量(100% − SLO)です。同じ障害でも、時間で数えるか、頼みの数で数えるかで、使った割合が大きく変わります。4 週間の窓で、障害を当てはめてください(頼みの数と配分は作り物です)。

    SLO
    いつ止まったか
    止まった時間

    よいアラートか(症状と原因)

    人を呼ぶアラートは、利用者の困りごと(症状)で鳴らします。原因の数は、調べる時に見ます。迷ったら、SRE の本の問いに当ててみます。

    練習: このアラートはよいか 考え方のヒント

    経費精算の見張りの案(作り物)です。それぞれ、すぐ呼ぶ・チケット・呼ばない、のどれにするかを選んでください。

    バーンレートで鳴らす

    バーンレートは、エラーバジェットを使う速さです。1 なら、SLO の期間の終わりにちょうど使い切ります。ワークブックは、長い窓と短い窓の両方で、決めた速さを超えた時だけ鳴らす形を勧めています。場面を選び、どれが鳴るかを当ててから、答えを見てください。

    バーンレートと、使い切るまで(99.9%・30 日)

    はじめの設定(ワークブックの推奨)

    SLO
    場面
    あなたの予想

    頼みの少ないサービスの手(経費精算の夜と休日)

    ダッシュボードは、見る人ごとに

    見る人を選ぶと、その人に要るパネルが濃く出ます。パネルを押すと、置く理由が出ます(パネルは経費精算への当てはめです)。

    当番(オンコール)の負担

    SLO の厳しさが、当番の時間帯と動き出すまでの時間を決めます。みなと開発(作り物)の 4 人で、当番の表を組んでみてください。

    時間帯
    同時に入る人
    動き出すまで
    当番に入る人

    データの形 考え方のヒント

    SLO・処理の記録・障害・宿題・アラートを表にしておくと、月の報告と見直しが楽になります。表を押すと、列と例の行が出ます。表と列は一例です。

    落とし穴

    SLO と監視を設計するときに、よくはまる所です。

    AI 時代の SLO と監視

    AI の機能も、外の AI の API も、AI のエージェントも、見張る相手に加わりました。人を呼ぶ決まりは、単純なまま保ちます。

    チェックリスト

    自分のサービスの SLO と監視を見直したら、チェックを付けてください(この端末にだけ残ります)。考え方のヒント