Upgrade to Pro — share decks privately, control downloads, hide ads and more …

SLO_By_Google_Cloud_Monitoring

dach
February 22, 2022
140

 SLO_By_Google_Cloud_Monitoring

SLO を完全に理解して GCP で設定するまでがとりあえず出来るようになるためのお話

dach

February 22, 2022
Tweet

Transcript

  1. Do you know “SLO” ?
 サービスレベル目標 !!
 • 「サービスレベルの目標だから、システムパフォーマンスの目標」
 ってことでしょ?


    • どうやってシステムパフォーマンスの目標を立てる? 
 • GCP ではどうやってそれを実現する?外部サービス使うの?

  2. Who is dach?
 チキン南蛮エンジニア • Job: Eng / PM •

    Skill: 0→1,火消し,文化作り,それっぽいDocs作り • Twitter: i-dach • Contents: EasyEasy (完全に理解したTalk) @dach
  3. Table Of Contents
 • 第1部 SLO を設計する
 ◦ SLO を設定するまでのあれこれ
 


    • 第2部 SLO を設定する
 ◦ どうやって実現するのか
 
 • 第3部 運用サイクルに載せる
 ◦ SLO のある運用とどう活かしていくべきか
 

  4. Table Of Contents
 • 第1部 SLO を設計する
 ◦ SLO を設定するまでのあれこれ
 


    • 第2部 SLO を設定する
 ◦ どうやって実現するのか
 

  5. SLO Roadmap
 STEP 0 SLO を理解する
 
 STEP 1 ビジネス分析をして CUJ を知る


    
 STEP 2 SLI を定義する
 
 STEP 3 SLO を設計する

  6. SLO Roadmap
 STEP 0 SLO を理解する  ← - - - - -

    - - 
 
 STEP 1 ビジネス分析をして CUJ を知る
 
 STEP 2 SLI を定義する
 
 STEP 3 SLO を設計する  ← - - - - - - - 
 - 今日話す範囲
 
 
 
 
 
 - 今日話す範囲

  7. SLO Roadmap
 STEP 0 SLO を理解する
 
 STEP 1 ビジネス分析をして CUJ を知る


    
 STEP 2 SLI を定義する
 
 STEP 3 SLO を設計する

  8. Why need to SLO?
 SLO は、チームがやるべきことについて意味のある疑念を解決する便利なツールとなります。「この課題には絶対取り組まなくては」 ということと、「この課題には取り組まなくていいかもしれない」ということの間に線引きすることこそが目標なのです。 SLO は、企業が達成したいとする目標であり、防御のために起こす行動でもあります。ただし忘れてならないのは、SLO はサービス

    レベル契約(SLA)ではないということです。ユーザー エクスペリエンスにおいて最も重要な側面を SLO が象徴するようにしなくてはな りません。SLO が満たされるということは、ユーザーにとっても自社にとってもハッピーなことでなくてはならないのです。一方で、シス テムが SLO を満たさないということは、不満を持つユーザーがいることを意味します。 (優れた SLO を策定するには : CRE が現場で学んだこと より)

  9. What you need “SLO” is..
 SLOが無い世界:
 • 「ユーザーがサービスに満足しているか」の基準がない
 • 影響を感覚と感情でしか判断することができない


    
 SLOがある世界:
 • UX に基づいた明確な目標を与える
 • サービスの「今」が健全かどうかを示す
 

  10. Wait a minute before SLO design
 Essence
 1. SLOは目標だが戦略ではない
 2.

    必要とされるだけ可用性が高くなるように設定する
 3. SLOにはシステムが実現する最も重要な側面を設定する必要がある

  11. ユーザー Our Service Well… 10 sec
 SLO: 7 sec
 Essence

    1: SLOは目標だが戦略ではない
 
 

  12. ユーザー Our Service Well… 10 sec
 SLO: 7 sec
 ユーザー体験は下がる

    
 が、そこに何かしらの責任が発生するわけではない 
 Essence 1: SLOは目標だが戦略ではない
 
 

  13. ユーザー Our Service Good! 10 sec
 SLO: 7 sec
 SLO

    を戦略とした場合、 しきい値がユーザーの期待値を超えていた場合でも SLO を追い求めることとなり、不要なコストをかけるようになる 
 Essence 1: SLOは目標だが戦略ではない
 
 

  14. ユーザー Our Service 6 sec
 SLO: ? sec
 Essence 2:

    必要とされるだけ可用性が高くなるように設定する
 ある程度 早ければ いいや
  15. Essence 2: 必要とされるだけ可用性が高くなるように設定する
 Page Speed SLO Period Error Rate 7

    sec avg / week 0 % 可用性が守られていれば 問題修復における機会費 用をロスしなくなる 現実的かつ適切な値を置く
  16. SLO Roadmap
 STEP 0 SLO を理解する
 
 STEP 1 ビジネス分析をして CUJ を知る


    
 STEP 2 SLI を定義する
 
 STEP 3 SLO を設計する

  17. STEP 1 & 2 Summary
 • Essence 3 を知るためにシステムを分析する
 ◦

    UC や要望、サービスの挙動や特性を理解する
 
 • サービスが必要十分に機能するための指標を定義する
 ◦ システム構成図などでシステムのI/Fや特性を理解する

  18. SLO Roadmap
 STEP 0 SLO を理解する
 
 STEP 1 ビジネス分析をして CUJ を知る


    
 STEP 2 SLI を定義する
 
 STEP 3 SLO を設計する

  19. Design to SLO
 • CUJ:
 ◦ 買い物客として、店で販売されている商品の一覧を見たい
 • SLI の種類:


    ◦ 可用性
 • SLI の仕様:
 ◦ ProductCatalogService へのリクエストに対する全てのレスポンスのうち、HTTP レスポンスコードが 2xx, 3xx, 4xx を返 すもの(= 良いレスポンス)の割当。ただし 429 を除く。
 • SLI の実装:
 ◦ Web ログから HTTP レスポンスコードを特定する。
 Google Cloud で実践する SRE の「CUJ と SLI と SLO 」から引用 

  20. Design to SLO
 • CUJ:
 ◦ 買い物客として、店で販売されている商品の一覧を見たい
 • SLI の種類:


    ◦ 可用性
 • SLI の仕様:
 ◦ ProductCatalogService へのリクエストに対する全てのレスポンスのうち、HTTP レスポンスコードが 2xx, 3xx, 4xx を返 すもの(= 良いレスポンス)の割当。ただし 429 を除く。
 • SLI の実装:
 ◦ Web ログから HTTP レスポンスコードを特定する。
 • SLO:
 ◦ 過去 28 日間の ProductCatalogService のレスポンスのうち 99.9% が良いレスポンスでなければならない
 Google Cloud で実践する SRE の「CUJ と SLI と SLO 」から引用 

  21. Design to SLO
 • CUJ:
 ◦ 買い物客として、店で販売されている商品の一覧を見たい
 • SLI の種類:


    ◦ 可用性
 • SLI の仕様:
 ◦ ProductCatalogService へのリクエストに対する全てのレスポンスのうち、HTTP レスポンスコードが 2xx, 3xx, 4xx を返 すもの(= 良いレスポンス)の割当。ただし 429 を除く。
 • SLI の実装:
 ◦ Web ログから HTTP レスポンスコードを特定する。
 • SLO:
 ◦ 過去 28 日間の ProductCatalogService のレスポンスのうち 99.9% が良いレスポンスでなければならない
 Google Cloud で実践する SRE の「CUJ と SLI と SLO 」から引用 
 どう定義するの?
  22. Essence 2: 必要とされるだけ可用性が高くなるように設定する
 Page Speed SLO Period Error Rate 7

    sec avg / week 0 % 可用性が守られていれば 問題修復における機会費 用をロスしなくなる 現実的かつ適切な値を置く
  23. Principle
 1. 「現実的な」値であること
 a. 実測値をベースにする(直ぐに完璧にする必要はなし) 
 
 2. 「適切な」値であること
 a.

    今が適切もしくはユーザー期待値の限界であると仮定する 
 
 3. 期間を設けること
 a. ユーザーアクションを集計したい期間もしくは 
 結果から改善できる期間を利用する 
 1からスタートするときの 個人的なおすすめ方法
  24. Principle Example
 1. 「現実的な」値であること
 a. 実測値をベースにする(直ぐに完璧にする必要はなし) 
 
 2. 「適切な」値であること


    a. 今が適切もしくはユーザー期待値の限界であると仮定する 
 
 3. 期間を設けること
 a. ユーザーアクションを集計したい期間もしくは 
 結果から改善できる期間を利用する 
 商品ページに対する可用性の定義は なかったので今が上限と仮定する 売上をベースにユーザーの行動を振り返 るので 1ヶ月 を軸にする access log を見ると、 先月は 99.0% 達成していた
  25. Design to SLO
 • CUJ:
 ◦ 買い物客として、店で販売されている商品の一覧を見たい
 • SLI の種類:


    ◦ 可用性
 • SLI の仕様:
 ◦ ProductCatalogService へのリクエストに対する全てのレスポンスのうち、HTTP レスポンスコードが 2xx, 3xx, 4xx を返 すもの(= 良いレスポンス)の割当。ただし 429 を除く。
 • SLI の実装:
 ◦ Web ログから HTTP レスポンスコードを特定する。
 • SLO:
 ◦ 過去 28 日間の ProductCatalogService のレスポンスのうち 99.9% が良いレスポンスでなければならない
 Google Cloud で実践する SRE の「CUJ と SLI と SLO 」から引用 

  26. Table Of Contents
 • 第1部 SLO を設計する
 ◦ SLO を設定するまでのあれこれ
 


    • 第2部 SLO を設定する
 ◦ どうやって実現するのか
 
 

  27. SLO Setting Roadmap
 STEP 1 Google Cloud Monitoring で設定する
 
 STEP

    2 Alert を設定する
 
 STEP 3 Terraform で管理する
 

  28. SLO Setting Roadmap
 STEP 1 Google Cloud Monitoring で設定する
 
 STEP

    2 Alert を設定する
 
 STEP 3 Terraform で管理する
 

  29. In our case
 • SLO の設計
 →Spread Sheet でビジネス分析 ~

    SLO 設計までをセットで管理 
 
 • SLO の設定
 →Terraform module を利用して一部は共通的なものを利用
 
 • Alert の設定
 →Terraform module を利用して共通的なものを利用

  30. Reference
 *Google Cloud で実践する SRE 
 https://www.slideshare.net/GoogleCloudPlatformJP/google-cloud-sre-249557085
 
 *SLO、SLI、SLA について考える

    : CRE が現場で学んだこと 
 https://cloud.google.com/blog/ja/products/gcp/availability-part-deux-cre-life-lessons
 
 *可用性とどう向き合うべきか、それが問題だ : CRE が現場で学んだこと 
 https://cloud.google.com/blog/ja/products/gcp/available-or-not-that-is-the-question-cre-life-lessons