Implementação de SLO

Framework para definir e implementar Indicadores de Nível de Serviço (SLIs), Objetivos de Nível de Serviço (SLOs) e orçamentos de erro.

Propósito

Implementar metas de confiabilidade mensuráveis usando SLIs, SLOs e orçamentos de erro para equilibrar a confiabilidade com a velocidade de inovação.

Quando Usar

• Definir metas de confiabilidade de serviço
• Medir a confiabilidade percebida pelo usuário
• Implementar orçamentos de erro
• Criar alertas baseados em SLO
• Acompanhar metas de confiabilidade

Hierarquia SLI/SLO/SLA

SLA (Service Level Agreement)
  ↓ Contract with customers
SLO (Service Level Objective)
  ↓ Internal reliability target
SLI (Service Level Indicator)
  ↓ Actual measurement

Definindo SLIs

Tipos Comuns de SLI

1. SLI de Disponibilidade

# Successful requests / Total requests
sum(rate(http_requests_total{status!~"5.."}[28d]))
/
sum(rate(http_requests_total[28d]))

2. SLI de Latência

# Requests below latency threshold / Total requests
sum(rate(http_request_duration_seconds_bucket{le="0.5"}[28d]))
/
sum(rate(http_request_duration_seconds_count[28d]))

3. SLI de Durabilidade

# Successful writes / Total writes
sum(storage_writes_successful_total)
/
sum(storage_writes_total)

Definindo Metas de SLO

Exemplos de SLO de Disponibilidade

Escolha de SLOs Apropriados

Considere:

• Expectativas do usuário
• Requisitos de negócios
• Desempenho atual
• Custo da confiabilidade
• Benchmarks de concorrentes

Exemplos de SLOs:

slos:
  - name: api_availability
    target: 99.9
    window: 28d
    sli: |
      sum(rate(http_requests_total{status!~"5.."}[28d]))
      /
      sum(rate(http_requests_total[28d]))

  - name: api_latency_p95
    target: 99
    window: 28d
    sli: |
      sum(rate(http_request_duration_seconds_bucket{le="0.5"}[28d]))
      /
      sum(rate(http_request_duration_seconds_count[28d]))

Cálculo do Orçamento de Erro

Fórmula do Orçamento de Erro

Error Budget = 1 - SLO Target

Exemplo:

• SLO: 99.9% de disponibilidade
• Orçamento de Erro: 0.1% = 43.2 minutos/mês
• Erro Atual: 0.05% = 21.6 minutos/mês
• Orçamento Restante: 50%

Política de Orçamento de Erro

error_budget_policy:
  - remaining_budget: 100%
    action: Normal development velocity
  - remaining_budget: 50%
    action: Consider postponing risky changes
  - remaining_budget: 10%
    action: Freeze non-critical changes
  - remaining_budget: 0%
    action: Feature freeze, focus on reliability

Implementação de SLO

Regras de Gravação do Prometheus

# SLI Recording Rules
groups:
  - name: sli_rules
    interval: 30s
    rules:
      # Availability SLI
      - record: sli:http_availability:ratio
        expr: |
          sum(rate(http_requests_total{status!~"5.."}[28d]))
          /
          sum(rate(http_requests_total[28d]))

      # Latency SLI (requests < 500ms)
      - record: sli:http_latency:ratio
        expr: |
          sum(rate(http_request_duration_seconds_bucket{le="0.5"}[28d]))
          /
          sum(rate(http_request_duration_seconds_count[28d]))

  - name: slo_rules
    interval: 5m
    rules:
      # SLO compliance (1 = meeting SLO, 0 = violating)
      - record: slo:http_availability:compliance
        expr: sli:http_availability:ratio >= bool 0.999

      - record: slo:http_latency:compliance
        expr: sli:http_latency:ratio >= bool 0.99

      # Error budget remaining (percentage)
      - record: slo:http_availability:error_budget_remaining
        expr: |
          (sli:http_availability:ratio - 0.999) / (1 - 0.999) * 100

      # Error budget burn rate
      - record: slo:http_availability:burn_rate_5m
        expr: |
          (1 - (
            sum(rate(http_requests_total{status!~"5.."}[5m]))
            /
            sum(rate(http_requests_total[5m]))
          )) / (1 - 0.999)

Regras de Alerta de SLO

groups:
  - name: slo_alerts
    interval: 1m
    rules:
      # Queima rápida: taxa 14.4x, janela de 1 hora
      # Consome 2% do orçamento de erro em 1 hora
      - alert: SLOErrorBudgetBurnFast
        expr: |
          slo:http_availability:burn_rate_1h > 14.4
          and
          slo:http_availability:burn_rate_5m > 14.4
        for: 2m
        labels:
          severity: critical
        annotations:

…