一、服务质量目标

SLI是服务质量指标（indicators）：该服务的某项服务质量的一个具体量化指标。例如：请求延迟-处理请求所消耗的时间

SLO是服务质量目标（Objective）：服务的某个SLI的目标值，或者目标范围。SLO的定义是SLI<= 目标值，或者范围下限<=SLI<=范围上限

SLA是服务质量协议（Agreement）： 指服务和用户之间的一个明确的，或者不明确的协议，描述了在达到或没有达到SLO之后的后果。

二、SRE是什么

SRE（Site Reliability Engineering），站点可靠性工程师

三、SRE干什么

SRE的最重要的能力是“止损”。如何在变更中止损，如何在业务立项到业务终止全流程止损，如何在突发状况下止损，如何在可预见的不可预见的范围内止损，确保我们的服务以一个非常健康的状态提供服务才是SRE的核心需求。

从立项就开始就要参与进来，知道如何配置与调优；随项目进行，做好流量评估、容量评估、应急预案、预案实施；遇到突发情况对服务的主备切换，提升响应速度，缩小影响范围；在全链路全流程的视角跟踪、发现、预警问题；制度上加强监管、规避失误。

四、SRE和DevOps的区别

DevOps的目标是提高业务系统的交付速度，并为之提供相关工具、制度和服务。

SRE关键词是高扩展性和高可用。

高扩展：指服务用户数量暴增时，应用系统以及支撑其服务可以在不调整系统架构，不强化机器性能，仅仅增加实例数量方式进行扩容。

高可用：应用架构中人一个环节出现不可用时，比如应用服务、网关、数据库等系统挂掉，这个系统可以在可预见的时间内恢复并重新提供服务。

五、SLA指标

可用性

可用性指的是系统服务能正常运行所占的时间百分比。

99.99意味着一年约55分钟的中断时间

99.9意味着每天中断86秒7

准确性

准确性指的是我们所设计的系统服务中，是否允许某些数据是不准确的或者是丢失了的。如果允许这样的情况发生，用户可以接受的概率（百分比）是多少？

怎么计算错误率呢？可以用导致系统产生内部错误（Internal Error）的有效请求数，除以这期间的有效请求总数。

采用性能测试和查看系统日志两种方法评估

系统容量

在数据处理中，系统容量通常指的是系统能够支持的预期负载量是多少，一般会以每秒的请求数为单位来表示。

我们常常可以看见，某个系统的架构可以处理的QPS （Queries Per Second）是多少又或者RPS（Requests Per Second）是多少。这里的QPS或者是RPS就是指系统每秒可以响应多少请求数。

第一种，是使用限流（Throttling）的方式

第二种，是在系统交付前进行性能测试（Performance Test）。

第三种，是分析系统在实际使用时产生的日志（Log）。

延迟

延迟指的是系统在收到用户的请求到响应这个请求之间的时间间隔。

在定义延迟的SLA时，我们常常看到系统的SLA会有p95或者是p99这样的延迟声明。这里的p指的是percentile，也就是百分位的意思。如果说一个系统的p95 延迟是1秒的话，那就表示在100个请求里面有95个请求的响应时间会少于1秒，而剩下的5个请求响应时间会大于1秒。

总而言之，当p95或者p99过高时，总会有5%或者1%的用户抱怨产品的用户体验太差，这都是我们要通过优化系统来避免的。