Что такое SLI?

Что такое SLI (Service Level Indicator)

SLI (Service Level Indicator) — это количественная метрика, которая измеряет конкретный аспект предоставления услуги или работы системы с точки зрения пользователя. Это ключевая концепция в рамках SRE (Site Reliability Engineering) и DevOps для управления надежностью сервисов. SLI не является абстрактным понятием; это конкретное, измеряемое значение, которое напрямую отражает качество обслуживания.

Суть SLI: Измерение того, что важно для пользователя

Основная идея SLI — перейти от измерения внутренних технических параметров (например, загрузки CPU) к оценке того, как система воспринимается конечными пользователями или клиентами. SLI отвечает на вопрос: «Что пользователь считает хорошим сервисом?»

SLI всегда связан с конкретной службой (сервисом), а не с инфраструктурой в целом. Например, для веб-приложения SLI может быть «доля успешных HTTP-запросов», для API — «время ответа для 99% запросов», для системы оплаты — «успешность транзакций».

Типичные примеры SLI

На практике большинство SLI можно классифицировать по нескольким ключевым категориям, связанным с классическими аспектами надежности:

• Доступность (Availability): Способность сервиса отвечать на запросы.

    *   **Пример SLI:** `(Общее количество успешных запросов) / (Общее количество запросов) * 100%`. Например, «99,5% HTTP-запросов возвращают код 2xx или 3xx».

• Латенси (Latency): Скорость обработки запросов.

    *   **Пример SLI:** «Время обработки 95% запросов к `/api/v1/order` меньше 200 миллисекунд».

• Пропускная способность (Throughput): Объем работы, которую система может выполнить за единицу времени.

    *   **Пример SLI:** «Система обрабатывает 1000 транзакций в секунду».

• Качество (Quality): Корректность и полезность результата (чаще для данных или обработки).

    *   **Пример SLI:** «Менее 0,1% результатов поиска являются пустыми или некорректными».

Как SLI связан с SLO и SLA

SLI является фундаментальным строительным блоком для двух других критически важных понятий:

1. SLO (Service Level Objective): Это целевое значение или диапазон для SLI. SLO определяет, какой уровень надежности мы целимся обеспечить. Например: «SLO для доступности нашего API — 99,9%» (где SLI — это сама измеряемая доступность).
2. SLA (Service Level Agreement): Это формальный договор с пользователями, основанный на SLO, который часто включает коммерческие обязательства (штрафы, скидки). SLA — это внешнее обещание, SLO — внутренняя цель, а SLI — инструмент для их измерения.

Таким образом, связь выглядит так: мы измеряем (SLI) конкретный показатель, чтобы проверить, достигли мы нашей цели (SLO), которая является частью нашего контракта (SLA).

Процесс определения и использования SLI

В практике DevOps/SRE работа с SLI — это циклический процесс:

1. Выбор SLI: Это самый важный и сложный шаг. Необходимо задать вопросы:

    *   Что для пользователя означает «сервис работает хорошо»?
    *   Что для пользователя означает «сервис не работает»?
    *   Выбранный SLI должен быть чувствительным к проблемам и отражать состояние сервиса.

2. Инструментация и сбор данных: SLI необходимо постоянно измерять. Это реализуется через системы мониторинга (Prometheus, Datadog), логирование и трассировку.

# Пример концептуального кода для вычисления SLI "доступность" из логов
successful_requests = count_logs_with_code('2xx', '3xx')
total_requests = count_all_logs()
availability_sli = (successful_requests / total_requests) * 100

3. Агрегация и анализ: Данные SLI агрегируются (например, за последний месяц) и сравниваются с SLO. Часто используется подход «окна ошибок» (Error Budget) — если SLI ниже SLO, мы тратим бюджет надежности и должны остановить выпуск новых функций для фокуса на стабильности.

4. Реакция и улучшение: Если SLI показывает деградацию, это триггер для действий: алерт, расследование инцидента, улучшение архитектуры или кода.

Почему SLI так важны для DevOps Engineer?

Для DevOps Engineer понимание и реализация SLI — это переход от реактивного «административного» мониторинга инфраструктуры к проактивному управлению сервисами. Это позволяет:

• Объективно оценивать влияние изменений: Выпуск новой версии, изменение конфигурации или масштабирование можно оценить по их воздействию на SLI, а не на внутренние метрики.
• Фокусировать усилия команды на важных проблемах: SLI помогает определить, какие инциденты действительно критичны для пользователя.
• Автоматизировать управление надежностью: SLI могут быть напрямую связаны с системами алертинга и даже автоматическими решениями (например, rollback деплоя при падении SLI ниже порога).
• Строить эффективные коммуникации: SLI предоставляют четкие, численные данные для обсуждения с продукт_менеджерами, бизнесом и другими инженерными командами.

В итоге, SLI — это не просто метрика, это язык, на котором DevOps и SRE команды обсуждают и гарантируют надежность своих сервисов. Правильно выбранный SLI превращает абстрактное понятие «стабильность» в объективный, измеряемый и управляемый параметр.