「 全 链 路 监 控 」
服务水平目标(SLO)指定了服务可靠性的目标水平。由于SLO是做出以数据为依据的可靠性决策的关键,因此它们是SRE实践的核心。
SLO是可靠性决策的关键因素,它的存在价值是:及时报警,发现影响SLI指标的异常。并且,产生的SLO告警是SRE和研发共同关注的告警信息。它的根本目标是持续性提高产品质量,缩短故障处理时长,保证平台的可靠性。
因此,实践SRE工程的第一步是计算出正确的可用性是多少,以此定量出实际的服务可靠性水平离SLO到底有多远。
我们期望能看到每个业务线,包括基础设施的周可用性、月可用性和年可用性,并且和年度目标的差距有多少。比如:
不过,在优维监控系统中,可用性管理是以服务为单位作为可用性衡量的目标的。它会将某个特定的拨测任务作为可用性考核的基准,去计算该拨测任务下所有资源对象的可用性(最常用就是向某个接口发送HTTP请求,或者向某个端口发送ping请求),汇聚后作为服务的可用性。
这对于业务级别的可用性管理而言非常容易理解。毕竟服务是业务系统的构成单位。而对于基础设施级别的可用性衡量则可能不是那么直接,要将基础设施纳入到可用性考核当中,必须建立起基础设施和服务的关系。
「 实 践 」
我们在以下的实践中展示了如何将基础设施构成以"服务"的形式记录在CMDB,并以服务为视角去管理和监控基础设施,以达到将基础设施服务纳入到可用性管理当中。
「 服 务 分 类 」
我们将基础设施按照服务场景的不同,划分为如下几种类型:
表格中的服务,是根据基础设施类型抽象出来的服务名,我们可认为该服务代表着某一类基础设施的服务能力。
而后,我们就可以添加CMDB数据,我们以主机服务为例:
注意:此处的服务都是集群服务,因为这个服务是抽象出来的统一体,它代表着主机的总体服务能力。而主机的实际服务能力则是由各个子服务,也就是具体的主机构成的。
因此,我们需要建立集群服务和子服务的关系:
其中IP和端口非常关键,我们通常选定一组合适的套接字作为衡量主机服务是否可用的标识。在实际配置当中,我们会针对该套接字发送ping请求。
值得注意的是,可用性管理是以应用系统为统计对象,因此需要建立服务和应用系统的关系。我们需要手动建立如下关系:
应用系统 -- 应用 -- 服务
「 拨 测 任 务 配 置 」
接下来就可以建立拨测任务,我们选中建立好的集群服务,并设定拨测任务的参数,如下所示:
保存即可。
「 纳 入 可 用 性 管 理 」
最后,我们如同将纳入普通服务一样,将基础设施应用系统加入到可用性计算当中,并选择考核的服务,设置考核的目标:
标签:服务,基础设施,主机,可用性,拨测,SLO,计算 From: https://blog.51cto.com/u_15605878/9087486