SLOの設定基準を 新たに導入しようとして 失敗した話

Pepabo Tech Conference #21 夏のSREまつりのLTの登壇資料です。

Transcript

1. 2023/09/14 SLOの設定基準を 新たに導入しようとして 失敗した話
2. 株式会社SODA SREs　福田健人 自己紹介
3. 国内 No.1 スニーカー・トレカフリマ HYPE DROP メディア コミュニティ マーケットプレイス
4. 目次 弊社のSLOの現状 1 予想損失額の算出 2 結果と反省 3
5. 弊社のSLOの現状 1
6. ✔SLO（今回は話すのは可用性のみです） ✔エラーバジェットポリシー ✔ポストモーテム 弊社が実践できているSREのプラクティス
7. 意思決定の場で エラーバジェットの話が出てこない 課題
8. SLO違反がサービスにとって 許容できない程の損失を表しているわけではない 原因の推測
9. 過去一ヶ月のSLIの 最小値にバッファを追加し SLO違反の可能性が低い値を設定している 現在のSLO設定方法
10. 過去の成績を元に決めている 現在のSLO設定方法
11. SLO違反がサービスにとって 許容できない程の損失を表しているわけではない 原因の推測
12. SLOを下回ると サービスにとって大きな損失となる 可能性が高いことを示す 解決するには
13. GMV 損失
14. 候補となる複数のSLOに対して SLO違反した場合のGMVの損失の予測を行い 比較した内容をPMに提示、損失額の許容値を決めてもらう そうだ！
15. 予想損失額の算出 2
16. 失敗イベント数×１リクエストの価値 予想損失額
17. リクエスト数の中央値×（１００ーSLO）×０．０１ 失敗イベント数
18. GMVの中央値×決済機会率 １リクエストの価値
19. 決済数の中央値/リクエスト数の中央値 決済機会率
20. 結果と反省 3
21. SLO毎の予想損失額の 比較リストをPMに提示 どうした？
22. 採用されませんでした どうなった？
23. 現在実装している可用性のSLOは 全てのエンドポイントを対象としたものなので 決済に関わらないリクエストが多く含まれるため 予想と実際のGMVに大きな差があった 理由
24. 別の角度から説得力のあるSLOを 実装する必要がある 採用されなかったので
25. CUJに関わるSLOの実装を 進めています 今
26. ユーザーのこの行動が うまくできていないよと示すことで SLOの重要性も示せるかもしれない なぜCUJ？
27. 今回失敗してしまった GMV算出によるSLOの設定は CUJに関わるSLOでは活かせるかもしれない CUJに関わるSLOの実装によって
28. おわり
29. SLOの設定、振り返りを どの様に行っているかなど 聞かせてください！ 最後に
30. ありがとうございました！