目前業界有兩種衡量系統可用性的方式，一個是時間維度，一個是請
求維度，我們先來看這兩個維度的計算公式。
這兩個公式很簡單，我們得深入進去，一一來看。
我們先來看時間維度的系統可用性。用一句話來概括：時長維度，是從故障角度出發對系統
穩定性進行評估。
這類計算方式我們最常見，畢竟你的系統在一段時間里不出現故障，就說明它很穩定嘛！不
過，在真實的使用場景中，怎么樣才算是可用時長，什么情況下又是不可用時長，這個是怎
么定義的呢？

時間維度：Availability = Uptime / (Uptime + Downtime)
請求維度：Availability = Successful request / Total request

我們知道，一個人如果發燒了，體溫一般會超過 37.5 度，那如果這個人的體溫正好達到這
個溫度，是不是代表他一定是生病了呢？依據生活經驗，我們知道不一定。為什么呢？因為
我們判斷一個人是否發燒生病，不是只看這一次、一時的體溫，還要看他體溫是不是持續超
過 37.5 度。
所以，這里就涉及到一個測量方法和判定方法的問題，包含三個要素：一個是衡量指標，比
如體溫就是衡量指標；第二個是衡量目標，達到什么目標是正常，達不到就是異常，低于
37.5 度算正常，超過 37.5 度就是異常，但是單次測量不能說明問題，我們可以多次測量，
比如 6 次中有至少 4 次低于 37.5 度才算正常，轉化成比例的話就是 67%；第三個是影響
時長，比如持續超過 12 小時。

對應到系統上，我們也會用一系列的標準和判定邏輯來說明系統是否正常。比如，系統請求
狀態碼為非 5xx 的比例，也就是請求成功率低于 95%，已經連續超過 10 分鐘，這時就要
算作故障，那么 10 分鐘就要納入 Downtime（宕機時間），如果達不到這個標準，就不
算作故障，只是算作一般或偶然的異常問題。
這里同樣有三個要素：衡量指標，系統請求狀態碼；衡量目標，非 5xx 占比，也就是成功
率達到 95%；影響時長，持續 10 分鐘。
因此，只有當問題達到一定影響程度才會算作故障，這時才會計算不可用時長，也就是上面
公式中的 Downtime。同時，我們還要求一個周期內，允許的 Downtime，或者說是系統
的“生病時間”是有限的，用這個有限時間來約束系統穩定性。
? ? ??針對時長維度的穩定性計算方式的弊端，就是穩定性只與故障發生掛鉤。

這就需要第二種衡量方式了，也就是從請求維度來衡量系統可用性。
用一句話來說，請求維度，是從成功請求占比的角度出發，對系統的穩定性進行評估。

?

? ? ?請求維度的系統可用性同樣包含三個關鍵要素，第一個衡量指標，請求成功率；第二個衡量
目標，成功率達到 95% 才算系統運行正常；第三個是統計周期，比如一天、一周、一個月
等等，我們是在一個統計周期內計算整體狀況，而不是看單次的。
你看，這種方式對系統運行狀況是否穩定監管得更為嚴格，不會漏掉任何一次問題的影響，
因為它對系統整體運行的穩定性判定，不僅僅會通過單次的異常影響進行評估，還會累計疊
加進行周期性的評估。
? ? ? ?到這里，我們就總結出一條至關重要的經驗了：故障一定意味著不穩定，但是不穩定，并不
意味著一定有故障發生。?

? ? ? 在?SRE 實踐中，通常會選擇第二種，也就是根據成功請
求的比例來衡量穩定性：
Availability = Successful request / Total request

?

? ? ??在 SRE 中就是設定穩定性衡量標準的 SLI 和 SLO 的過程。
具體來看下這兩個概念。SLI，Service Level Indicator，服務等級指標，其實就是我們選
擇哪些指標來衡量我們的穩定性。而 SLO，Service Level Objective，服務等級目標，指
的就是我們設定的穩定性目標，比如“幾個 9”這樣的目標。
SLI 和 SLO 這兩個概念你一定要牢牢記住，接下來我們會反復講到它們，因為落地 SRE 的
第一步其實就是“選擇合適的 SLI，設定對應的 SLO”。
? ? ?我們以電商交易系統中的一個核心應用“購物車”為例，給它取名叫做 trade_cart。
trade_cart 是以請求維度來衡量穩定性的，也就是說單次請求如果返回的是非 5xx 的狀態
碼，我們認為該次請求是成功的；如果返回的是 5xx 狀態碼，如我們常見的 502 或 503，
我們就判斷這次請求是失敗的。
但是，這個狀態碼只能標識單次請求的場景。我們之前講過，單次的異常與否并不能代表這
個應用是否穩定，所以，我們就要看在一個周期內，所有調用次數的成功率是多少，以此來
確定它是否穩定。比如我們給這個“狀態碼返回為非 5xx 的比例”設定一個目標，如果大
于等于 99.95%，我們就認為這個應用是穩定的。
在 SRE 實踐中，我們用 SLI 和 SLO 來描述。“狀態碼為非 5xx 的比例”就是 SLI，“大于
等于 99.95%”就是 SLO。說得更直接一點，SLO 是 SLI 要達成的目標。

總結

以上是生活随笔為你收集整理的SRE学习笔记2：衡量系统稳定性的指标的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。