Disponibilitatea scrierilor e sub SLA-ul promis (99,95%)
Ai promis clienților o disponibilitate (de exemplu 99,95%), dar arhitectura nu o poate atinge: disponibilitățile componentelor în serie se înmulțesc, iar o bază de date fără rezervă trage totul în jos. Adaugă redundanță pe componentele slabe, mai ales pe baza de date, și calculează disponibilitatea totală.
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
Disponibilitatea unui lanț de componente legate în serie este produsul disponibilităților lor: 99,9% × 99,9% × 99,5% dă deja ~99,3%, adică peste 5 ore de nefuncționare pe lună. Redundanța lucrează invers: două instanțe în paralel, fiecare de 99,5%, au împreună 1 − 0,005² = 99,9975%.
De aceea, un SLA de 99,95% (aproximativ 22 de minute de oprire pe lună) nu poate fi atins cu o bază de date unică de 99,9%, oricât de redundante ar fi serverele de aplicație. Scrierile trec obligatoriu prin baza primară, deci ea e veriga care limitează.
Termenii: SLI e ce măsori (procentul de cereri reușite), SLO e ținta internă (99,95%), SLA e promisiunea contractuală, cu penalități. SLO-ul se pune de obicei puțin peste SLA, ca să ai o marjă.
De ce apare: cauzele frecvente
1Bază de date fără standby
# app (3 instanțe) -> SQL primar unic, 99,9%# app (3 instanțe) -> SQL primar + standby cu failover automatCu standby, căderea primarului durează doar cât failover-ul, nu cât repararea mașinii.
2SLA promis fără calcul
SLA: 99,99% (scris în contract)# calcul: lanțul critic, componentă cu componentă, apoi SLO intern 99,95% și SLA 99,9%Promisiunea trebuie să decurgă din arhitectură, nu invers.
Repară eroarea, direct în pagină
Contractul promite 99,95% disponibilitate pentru scrieri, dar simularea arată mai puțin: baza de date nu are rezervă. Atinge cel puțin 99,95% pentru scrieri.
Indiciu
Care componentă de pe drumul scrierilor are o singură instanță?
Reparația
1. Atinge Bază SQL primară. 2. Bifează Standby.
Rezultat: scrierile trec de 99,95%.
De ce merge
Disponibilitatea scrierilor era limitată de baza primară unică (99,9%). Cu standby și failover, baza devine redundantă, iar lanțul trece de 99,95%.
Alte forme ale mesajului
SLO burn rate alertError budget exhausted
Cum o eviți pe viitor
- Calculează disponibilitatea lanțului critic înainte de a promite un SLA.
- Adaugă redundanță întâi pe componentele cu cea mai mică disponibilitate.
- Măsoară SLI-ul real și urmărește consumul bugetului de erori.
- Ține SLO-ul intern peste SLA.
Întrebări frecvente
Cât înseamnă 99,95% în minute?
Aproximativ 0,05% din 43.200 de minute pe lună, adică ~22 de minute de oprire permise lunar.
Ce e bugetul de erori?
Diferența dintre 100% și SLO. Cât timp nu e consumat, echipa poate risca lansări; când se termină, prioritatea devine stabilitatea.
Erori înrudite
Single point of failure (SPOF): o singură componentă cade și oprește tot site-ul O componentă rulează într-un singur exemplar pe drumul tuturor cererilor (un server de aplicație, o bază fără standby, un singur load balancer), deci căderea ei oprește tot sistemul. Pune cel puțin două instanțe în spatele unui load balancer cu health check sau un standby cu failover automat. Baza primară a căzut și tot site-ul s-a oprit (fără failover) Serverele sunt redundante, dar baza de date are o singură instanță, deci căderea ei oprește toate scrierile și citirile care nu sunt în cache. Adaugă o replică de rezervă cu failover automat (Multi-AZ, Patroni, replica set), ca o copie să preia rolul primarei în câteva zeci de secunde. Învață System Design de la zero, cu exerciții la fiecare lecție
Curs System Design: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 10 lecții sunt gratuite.
