280 lines
5.7 KiB
Markdown
280 lines
5.7 KiB
Markdown
#sla #uptime #downtime
|
||
# SLA Downtime 计算详解
|
||
|
||
## 99.9% 与 99.99% 的区别和实际应用
|
||
|
||
---
|
||
|
||
## 一、SLA 基本概念
|
||
|
||
**SLA（Service Level Agreement，服务级别协议）** 是指服务提供商与客户之间约定的服务可用性标准。
|
||
|
||
### SLA 的计算公式
|
||
|
||
```
|
||
SLA % = (总时间 - 宕机时间) / 总时间 × 100%
|
||
|
||
反推宕机时间：
|
||
宕机时间 = 总时间 × (1 - SLA%)
|
||
```
|
||
|
||
**关键点：** SLA 99.9% 意味着允许 0.1% 的宕机时间，99.99% 意味着允许 0.01% 的宕机时间。
|
||
|
||
---
|
||
|
||
## 二、按月计算的 Downtime 时间
|
||
|
||
### 1. 月度总时长（以30天为例）
|
||
|
||
|单位|数值|
|
||
|---|---|
|
||
|总天数|30天|
|
||
|总小时数|30 × 24 = 720小时|
|
||
|总分钟数|30 × 24 × 60 = 43,200分钟|
|
||
|总秒数|30 × 24 × 60 × 60 = 2,592,000秒|
|
||
|
||
> 注：实际应用中，有些公司按月份天数计算（28-31天），此处以30天为标准示例。
|
||
|
||
---
|
||
|
||
## 三、SLA 99.9% 详解
|
||
|
||
### 计算公式
|
||
|
||
```
|
||
月度允许宕机时间 = 总时间 × (1 - 99.9%)
|
||
= 总时间 × 0.1%
|
||
= 总时间 × 0.001
|
||
```
|
||
|
||
### 具体数值
|
||
|
||
| | |
|
||
|---|---|
|
||
|Daily|1m 26s|
|
||
|Weekly|10m 4.8s|
|
||
|Monthly|43m 50s|
|
||
|Quarterly|2h 11m 29s|
|
||
|Yearly|8h 45m 57s|
|
||
|
||
### 月度详细计算示例
|
||
|
||
```
|
||
99.9% SLA 月度允许宕机时间：
|
||
|
||
方法一（按分钟）：
|
||
宕机时间 = 43,200分钟 × 0.001 = 43.2 分钟
|
||
|
||
方法二（按秒钟）：
|
||
宕机时间 = 2,592,000秒 × 0.001 = 2,592 秒 = 43分12秒
|
||
|
||
结论：一个月内最多可允许约 43分钟的宕机时间
|
||
```
|
||
|
||
### 99.9% 的通俗理解
|
||
|
||
- **"三个九"** 是常见的说法
|
||
- 一年内最长可宕机约 **8.76小时**（相当于一个工作日）
|
||
- 一月内最长可宕机约 **43分钟**
|
||
- 一周内最长可宕机约 **1分钟**
|
||
|
||
---
|
||
|
||
## 四、SLA 99.99% 详解
|
||
|
||
### 计算公式
|
||
|
||
```
|
||
月度允许宕机时间 = 总时间 × (1 - 99.99%)
|
||
= 总时间 × 0.01%
|
||
= 总时间 × 0.0001
|
||
```
|
||
|
||
### 具体数值
|
||
|
||
| | |
|
||
|---|---|
|
||
|Daily|8.6s|
|
||
|Weekly|1m 0.48s|
|
||
|Monthly|4m 23s|
|
||
|Quarterly|13m 8.9s|
|
||
|Yearly|52m 36s|
|
||
|
||
### 月度详细计算示例
|
||
|
||
```
|
||
99.99% SLA 月度允许宕机时间：
|
||
|
||
方法一（按分钟）：
|
||
宕机时间 = 43,200分钟 × 0.0001 = 4.32 分钟 = 4分19秒
|
||
|
||
方法二（按秒钟）：
|
||
宕机时间 = 2,592,000秒 × 0.0001 = 259.2 秒 ≈ 4分19秒
|
||
|
||
结论：一个月内最多可允许约 26秒的宕机时间
|
||
```
|
||
|
||
### 99.99% 的通俗理解
|
||
|
||
- **"四个九"** 是高端服务的标准
|
||
- 一年内最长可宕机约 **52.6分钟**（接近1小时）
|
||
- 一月内最长可宕机约 **4分23秒**（几乎不允许停机）
|
||
- 一周内最长可宕机约 **1分钟**
|
||
- 对于银行、支付系统等核心业务系统通常要求此级别
|
||
|
||
---
|
||
|
||
|
||
|
||
|
||
|
||
---
|
||
|
||
## 六、Downtime 的统计方法
|
||
|
||
### 1. 宕机时间的计算
|
||
|
||
#### **定义**
|
||
|
||
宕机时间 = 服务不可用的时间段
|
||
|
||
#### **统计方式**
|
||
|
||
```
|
||
开始宕机时间：用户首次无法访问服务的时刻（UTC时间戳）
|
||
结束恢复时间：服务完全恢复可用的时刻（UTC时间戳）
|
||
|
||
宕机时长 = 结束恢复时间 - 开始宕机时间
|
||
```
|
||
|
||
#### **实际例子**
|
||
|
||
```
|
||
2024年9月5日 14:30:00 - 服务开始故障
|
||
2024年9月5日 14:45:30 - 服务完全恢复
|
||
|
||
宕机时长 = 15分30秒
|
||
```
|
||
|
||
### 2. 月度 SLA 计算
|
||
|
||
```
|
||
月度SLA% = (总时间 - 月度累计宕机时长) / 总时间 × 100%
|
||
|
||
例：
|
||
总时间 = 43,200分钟（30天）
|
||
月度累计宕机时长 = 65分钟（多次故障累加）
|
||
|
||
月度SLA% = (43,200 - 65) / 43,200 × 100%
|
||
= 43,135 / 43,200 × 100%
|
||
= 99.85%
|
||
|
||
结论：该月SLA未达到99.9%的要求
|
||
```
|
||
|
||
### 3. 需要注意的统计细节
|
||
|
||
#### ✅ **应该计入宕机时间**
|
||
|
||
- 完全不可用的时间段
|
||
- 部分功能不可用且影响主要业务的时间段
|
||
- 包括故障发现到完全恢复的全部时间
|
||
|
||
#### ❌ **通常不计入宕机时间**
|
||
|
||
- 计划内维护时间（如提前通知的升级）
|
||
- 客户端问题导致的无法访问
|
||
- 客户网络问题导致的连接失败
|
||
- 用户操作错误导致的故障
|
||
|
||
### 4. 宕机统计的数据来源
|
||
|
||
```
|
||
主要来源：
|
||
├─ 服务器日志（访问日志、错误日志）
|
||
├─ 监控告警（Prometheus、Datadog等）
|
||
├─ 负载均衡器日志
|
||
├─ CDN日志
|
||
├─ 用户反馈/投诉
|
||
└─ 自动化探测（Ping、健康检查）
|
||
```
|
||
|
||
---
|
||
|
||
## 七、实际应用案例
|
||
|
||
### 案例1：电商平台（需要99.9%）
|
||
|
||
```
|
||
月度时间：43,200分钟
|
||
允许宕机：43分钟
|
||
|
||
场景：
|
||
- 8月发生2次故障
|
||
第一次：15分钟
|
||
第二次：28分钟
|
||
累计：43分钟
|
||
|
||
评估：刚好达到99.9% SLA，但已是极限
|
||
```
|
||
|
||
### 案例2：支付系统（需要99.99%）
|
||
|
||
```
|
||
月度时间：2,592,000秒
|
||
允许宕机：259秒（约4分钟）
|
||
|
||
场景：
|
||
- 一整月运行无任何宕机事件
|
||
- 部分时间段响应缓慢但服务可用
|
||
- 计划维护避开业务高峰
|
||
|
||
评估：完全满足99.99% SLA要求
|
||
```
|
||
|
||
### 案例3：内部系统（需要99.5%）
|
||
|
||
```
|
||
月度时间：43,200分钟
|
||
允许宕机：216分钟（3.6小时）
|
||
|
||
场景：
|
||
- 一个月内宕机3小时
|
||
- 仍在容许范围内
|
||
|
||
评估：满足99.5% SLA要求
|
||
```
|
||
|
||
---
|
||
|
||
|
||
|
||
## 九、最佳实践
|
||
|
||
### 💡 监控和告警
|
||
|
||
- 使用专业监控工具（Prometheus、Grafana等）
|
||
- 设置实时告警机制
|
||
- 记录所有故障时间和原因
|
||
|
||
### 💡 故障恢复
|
||
|
||
- 制定明确的恢复流程（RTO/RPO）
|
||
- 设置自动故障转移（如主备切换）
|
||
- 定期进行故障演习
|
||
|
||
### 💡 数据统计
|
||
|
||
- 使用UTC时间戳，避免时区混淆
|
||
- 保存完整的历史日志（建议至少保留1年）
|
||
- 定期生成SLA报告，对外透明化
|
||
|
||
### 💡 承诺管理
|
||
|
||
- 清楚标注哪些维护不计入SLA
|
||
- 对客户设定合理预期
|
||
- 提供赔偿机制（宕机补偿）
|
||
|
||
---
|
||
|
||
**更新日期：** 2024年 **适用范围：** SLA管理、性能评估、架构设计 |