问题描述
正在学习并应用Site Reliability Engineering（SRE）原则来运营云原生应用程序。根据他的阅读，他了解到SRE方法中的一个核心实践是监控。SRE通过定义服务水平指标（SLI）来进行监控，这些指标衡量了终端用户体验的某个方面，并确定了一个称为服务水平目标（SLO）的阈值。用户想知道是否有一种标准或常见的方法来定义服务水平指标。
解决方案
请注意以下操作注意版本差异及修改前做好备份。
方案1
虽然没有严格的标准方法，但Google已经发布了一个SLI菜单和一个用于开发用户旅程的SLI的过程。以下是该过程的步骤：
- 对于每个用户旅程/数据流，从SLI菜单中选择适合的SLI类型。
- 决定如何衡量“好”的和“有效”的事件。
- 决定从以下位置衡量SLI：终端用户、客户端仪表板、合成客户端、前端指标、应用程序指标或服务器端日志。
- 收集所有用户旅程的SLI，并检查是否存在覆盖范围的空白。
- 根据SLI设置SLO，可以基于业务需求或过去的性能。
请注意，SLI和SLO并不是监控工具本身，它们是主动和持续的网站可靠性工程的基础。只有具有一组SLI和SLO，您才能在较长时间内评估服务的可靠性并进行规划。
方案2
另一个方法是以跨职能的方式定义对客户（或用户）最重要的事项，例如开发人员、产品经理、支持人员、高管和SRE。需要定义跨职能的指标（SLI）和边界（SLO），以代表客户的痛点和不满意。缺乏这样的共同指标往往会导致以下效果：开发人员/SRE认为“内存使用率很低”，产品经理认为“功能已经发布”，高管认为“我没有接到电话”，支持人员认为“用户不满意”。
Google还发布了他们的研讨会（根据CC-BY 4.0许可）关于如何定义SLI和SLO，以及如何随时间调整SLI（和SLO）的博客文章。
请注意，我在Google工作。
方案3
Keptn提供了一种SLI和SLO的规范，而OpenSLO则提供了略有不同的方法。
以上是关于定义服务水平指标（SLI）的标准或常见方法的解决方案。希望对您有所帮助！
正文完