ภาพรวมและแรงจูงใจ

ความพร้อมใช้งานเป็นตัวเลขที่ถูกอ้างถึงมากที่สุดในการจัดการบริการ และเป็นหนึ่งในตัวเลขที่นิยามได้ไม่ชัดที่สุด ข้อความอย่าง “บริการพร้อมใช้งาน 99.9 เปอร์เซ็นต์เมื่อเดือนที่แล้ว” ฟังดูแม่นยำ แต่ซ่อนการตัดสินใจอย่างน้อยสี่เรื่อง: อะไรนับเป็นบริการ อะไรนับเป็น “พร้อมใช้งาน” ชั่วโมงใดอยู่ในขอบเขต และเหตุขัดข้องใดถูกยกเว้น สองทีมอาจรายงานบริการเดียวกันในเดือนเดียวกันและเผยแพร่ตัวเลขที่ต่างกันเป็นอันดับขนาด โดยที่ไม่มีใครคำนวณผิด

หัวข้อนี้ทำให้การตัดสินใจเหล่านั้นชัดเจน ครอบคลุมการคำนวณเวลาใช้งานได้และเวลาหยุดทำงาน ความพร้อมใช้งานถ่วงน้ำหนักตามผู้ใช้ การหยุดที่วางแผนไว้เทียบกับที่ไม่ได้วางแผน และเลขคณิตของเลขเก้า สร้างบนตัวบ่งชี้ระดับบริการ (SLI) วัตถุประสงค์ระดับบริการ (SLO) และงบข้อผิดพลาด (ดูหัวข้อ 5.2 “SLI, SLO และงบข้อผิดพลาด”) และบนมุมมองเชิงสัญญาของระดับบริการ (ดูหัวข้อ 5.1 “ตัวชี้วัด SLA, OLA และ XLA”) หัวข้อเหล่านั้นบอกวิธีเลือกเป้าหมาย หัวข้อนี้บอกวิธีคำนวณตัวเลขที่ใช้เทียบกับเป้าหมาย

ศัพท์ที่ใช้ในหัวข้อนี้

  • ความพร้อมใช้งาน (availability) คือความสามารถของบริการที่ทำสิ่งที่ผู้ใช้ต้องการเมื่อพวกเขาต้องการ มักแสดงเป็นเปอร์เซ็นต์ในรอบเวลาหนึ่ง แนวคิดทั่วไปอธิบายไว้ในบทความเรื่องความพร้อมใช้งานสูง (high availability)
  • เวลาหยุดทำงาน (downtime) คือช่วงที่บริการใช้งานไม่ได้ หัวข้อนี้ใช้ เหตุล่ม (outage) สำหรับเหตุการณ์เวลาหยุดทำงานต่อเนื่องหนึ่งครั้ง และ การเสื่อมสภาพ (degradation) สำหรับช่วงที่บริการทำงานแต่ต่ำกว่าคุณภาพที่ตกลง
  • เวลาใช้งานได้ (uptime) คือส่วนเติมเต็มของเวลาหยุดทำงานภายในหน้าต่างการวัด ความพร้อมใช้งานตามเวลาคือเวลาใช้งานได้หารด้วยเวลารวมที่อยู่ในขอบเขต
  • ความพร้อมใช้งานตามคำขอ (request-based availability) คือสัดส่วนคำขอที่ใช้ได้ซึ่งสำเร็จ ดังนั้นความล้มเหลวที่กระทบคำขอ 5 เปอร์เซ็นต์เป็นเวลาหนึ่งชั่วโมงจึงนับเป็น 5 เปอร์เซ็นต์ของการจราจรหนึ่งชั่วโมง ไม่ใช่เวลาหยุดทำงานเต็มหนึ่งชั่วโมง
  • ความพร้อมใช้งานถ่วงน้ำหนักตามผู้ใช้ (user-weighted availability) ขยายมุมมองตามคำขอโดยถ่วงน้ำหนักความล้มเหลวตามจำนวนหรือความสำคัญของผู้ใช้ที่ได้รับผลกระทบ เช่นนับเซสชันที่ล้มเหลวหรือเส้นทางที่ล้มเหลวแทนคำขอดิบ
  • ข้อตกลงระดับบริการ (SLA) คือข้อผูกพันต่อลูกค้า และ วัตถุประสงค์ระดับบริการ (SLO) คือเป้าหมายภายในของตัวบ่งชี้ บทความข้อตกลงระดับบริการและวัตถุประสงค์ระดับบริการให้นิยามทั่วไป
  • เวลาหยุดที่วางแผนไว้ (planned downtime) คือเหตุล่มที่ประกาศล่วงหน้าและอนุมัติผ่านการสนับสนุนการเปลี่ยนแปลง เวลาหยุดที่ไม่ได้วางแผน (unplanned downtime) คือที่เหลือทั้งหมด เส้นแบ่งระหว่างสองอย่างนี้เป็นหนึ่งในเส้นที่ถูกโต้แย้งมากที่สุดในการรายงานความพร้อมใช้งาน
  • เวลาเฉลี่ยระหว่างความล้มเหลว (mean time between failures: MTBF) คือเวลาดำเนินงานเฉลี่ยระหว่างเหตุล่ม และ เวลาเฉลี่ยในการซ่อม (mean time to repair) คือเวลาเฉลี่ยในการฟื้นคืน ทั้งสองเป็นค่าเฉลี่ย หนังสือเล่มนี้จึงอ่านเป็นการกระจาย (ดูหัวข้อ 1.6 “ความรู้ด้านสถิติสำหรับตัวชี้วัดบริการ”)
  • การเฝ้าติดตามแบบสังเคราะห์ (synthetic monitoring) ใช้โพรบที่เขียนสคริปต์ให้ทำตัวเหมือนผู้ใช้และรายงานความสำเร็จหรือความล้มเหลว การเฝ้าติดตามผู้ใช้จริง (real user monitoring) บันทึกประสบการณ์ของผู้ใช้จริงขณะที่ใช้บริการ
  • ITIL เป็นกรอบแนวทางที่รู้จักกันดีที่สุดสำหรับการจัดการบริการไอที ใน ITIL 4 แนวปฏิบัติการจัดการความพร้อมใช้งานเกี่ยวข้องกับการทำให้แน่ใจว่าบริการส่งมอบระดับความพร้อมใช้งานที่ตกลงกัน และทำงานใกล้ชิดกับการเฝ้าติดตามและการจัดการเหตุการณ์ การจัดการเหตุขัดข้อง และการจัดการความต่อเนื่องของบริการ

ทำไมตัวเลขเดียวไม่เคยพอ

เหตุล่มสิบครั้งครั้งละสี่นาทีกับเหตุล่มหนึ่งครั้งสี่สิบนาทีให้เวลาหยุดทำงานรวมเท่ากัน แต่ผู้ใช้รู้สึกต่างกันและต้องการการตอบสนองต่างกัน รูปแบบแรกชี้ไปที่บริการที่เปราะบาง รูปแบบที่สองชี้ไปที่การตรวจจับหรือการฟื้นคืนที่ช้า ด้วยเหตุนี้ตัวชี้วัดในที่นี้จึงมาเป็นชุดเล็ก แต่ละตัวมีมาตรการป้องกัน เพื่อให้ทีมอภิปรายความพร้อมใช้งานอย่างซื่อตรงโดยไม่แข่งกันหาเลขเก้าให้มากที่สุด

มุมมอง ITIL และแบบคล่องตัวต่างกันอย่างไร

ใน ITIL ความพร้อมใช้งานเป็นคุณลักษณะที่บริหารจัดการของบริการ ตกลงกับลูกค้าและรายงานโดยการจัดการระดับบริการเทียบกับเป้าหมายที่ระบุ พร้อมชั่วโมงให้บริการที่ชัดเจนและข้อยกเว้นเช่นการบำรุงรักษาที่วางแผนไว้

ในแนวปฏิบัติแบบคล่องตัวและวิศวกรรมความน่าเชื่อถือของไซต์ (SRE) ความพร้อมใช้งานเป็น SLI หนึ่งในหลายตัว เปรียบเทียบกับ SLO หนังสือ Site Reliability Engineering ของ Google กล่าวว่าความพร้อมใช้งานตามเวลาเหมาะกับระบบเดี่ยว ขณะที่อัตราความสำเร็จของคำขอเหมาะกับบริการแบบกระจายที่ใช้งานได้บางส่วนตลอดเวลา และยังกล่าวว่า 100 เปอร์เซ็นต์แทบไม่เคยเป็นเป้าหมายที่เหมาะสม เพราะต้นทุนของเลขเก้าแต่ละตัวที่เพิ่มขึ้นสูงชันมาก

ใช้วินัยของ ITIL เรื่องขอบเขต ชั่วโมง และข้อยกเว้นที่ตกลงกัน เพื่อนิยามตัวหาร ใช้วินัยของ SRE เรื่องตัวบ่งชี้ที่ยึดผู้ใช้เป็นศูนย์กลางและงบข้อผิดพลาด เพื่อนิยามตัวตั้งและตัดสินใจว่าจะทำอะไรกับผลลัพธ์

หลักการสำคัญ

  • นิยามคำว่า “พร้อมใช้งาน” จากฝั่งผู้ใช้ บริการที่ตอบการตรวจสุขภาพขณะที่ผู้ใช้ลงชื่อเข้าใช้ไม่ได้คือบริการที่ล่มสำหรับผู้คนที่สำคัญ
  • เขียนตัวหารไว้ ระบุขอบเขตบริการ ชั่วโมงในขอบเขต เขตเวลา และหน้าต่างการวัดก่อนคำนวณอะไร
  • นับเหตุล่มที่วางแผนไว้และที่ไม่ได้วางแผนแยกกัน รายงานทั้งสองอย่างด้วยกัน และไม่ปล่อยให้อย่างใดอย่างหนึ่งซ่อนอยู่ในอีกอย่าง
  • เลือกตัวชี้วัดตามคำขอและถ่วงน้ำหนักตามผู้ใช้สำหรับบริการแบบกระจาย ความล้มเหลวบางส่วนไม่ใช่เวลาใช้งานได้เต็มและไม่ใช่เวลาหยุดเต็ม
  • แปลงเลขเก้าเป็นนาที เป้าหมายจะเข้าใจได้ก็ต่อเมื่อผู้คนบอกได้ว่ามันอนุญาตให้ล้มเหลวกี่นาทีต่อเดือน
  • เลือกจำนวนเลขเก้าที่ผู้ใช้ต้องการ เกินจากจุดนั้น เลขเก้าที่เพิ่มแต่ละตัวมีต้นทุนมากกว่าที่ได้คืน
  • อธิบายบริการ ไม่ใช่บุคคล ความพร้อมใช้งานเป็นของบริการและทีมที่ดำเนินบริการ ไม่ใช่คะแนนของบุคคล

นิยามตัวชี้วัด

แต่ละแถวระบุนาฬิกาและขอบเขตของตน ใช้เวลาตามปฏิทินเว้นแต่แถวนั้นระบุเป็นอย่างอื่น เมื่อตัวชี้วัดใช้การกระจาย ให้รายงานค่ามัธยฐานและเปอร์เซ็นไทล์ที่ 95 และระบุหน้าต่าง

ตัวชี้วัด นิยาม สูตร หน่วย แหล่งข้อมูล แนวปฏิบัติ ITIL คู่เทียบแบบคล่องตัว ความถี่
ความพร้อมใช้งานตามเวลา สัดส่วนของเวลาในขอบเขตที่บริการเป็นไปตามนิยามที่เขียนไว้ของ “ใช้งานได้” (นาทีในขอบเขตของหน้าต่าง ลบนาทีหยุดทำงานที่ไม่ได้วางแผน) / นาทีในขอบเขตของหน้าต่าง นาฬิกาเริ่มที่โพรบแรกที่ล้มเหลวซึ่งภายหลังยืนยันว่ากระทบผู้ใช้ หรือที่จุดเริ่มผลกระทบที่ยืนยันซึ่งบันทึกในการทบทวนเหตุขัดข้อง และหยุดเมื่อบริการเป็นไปตามนิยามอีกครั้ง เวลาหยุดที่วางแผนไว้ภายในชั่วโมงให้บริการที่ตกลงแสดงแยก และเวลานอกชั่วโมงให้บริการที่ตกลงถูกตัดออกจากตัวหาร เปอร์เซ็นต์ ผลการเฝ้าติดตามแบบสังเคราะห์ บันทึกเหตุขัดข้องพร้อมการประทับเวลาเริ่มผลกระทบและฟื้นคืน การจัดการความพร้อมใช้งาน การจัดการระดับบริการ SLI ตามเวลาสำหรับระบบเดี่ยว (ดูหัวข้อ 5.2 “SLI, SLO และงบข้อผิดพลาด”) รายเดือน
ความพร้อมใช้งานตามคำขอ สัดส่วนของคำขอที่ใช้ได้ซึ่งสำเร็จ คำขอที่ใช้ได้ที่สำเร็จ / คำขอที่ใช้ได้ทั้งหมดในหน้าต่าง คำขอที่ใช้ได้ไม่รวมคำขอที่รูปแบบผิดและข้อผิดพลาดฝั่งไคลเอนต์ที่เกิดจากผู้เรียก ความล้มเหลวที่เกิดจากบริการ รวมถึงการหมดเวลา นับเป็นความล้มเหลว รายงานแยกตามบริการและตามเส้นทางผู้ใช้ เปอร์เซ็นต์ บันทึกและตัวชี้วัดของตัวกระจายโหลด เกตเวย์ หรือแอปพลิเคชัน การจัดการความพร้อมใช้งาน การเฝ้าติดตามและการจัดการเหตุการณ์ SLI อัตราความสำเร็จพร้อม SLO และงบข้อผิดพลาด (ดูหัวข้อ 5.2 “SLI, SLO และงบข้อผิดพลาด”) แนวโน้มรายวัน รายงานรายเดือน
ความพร้อมใช้งานถ่วงน้ำหนักตามผู้ใช้ ความพร้อมใช้งานที่ถ่วงน้ำหนักตามผู้ใช้หรือเส้นทางที่ได้รับผลกระทบ เหตุล่มช่วงเร่งด่วนจึงนับมากกว่าเหตุล่มข้ามคืน 1 ลบ (เซสชันผู้ใช้ที่ล้มเหลวหรือเส้นทางที่ล้มเหลว / เซสชันผู้ใช้หรือเส้นทางทั้งหมด) ในหน้าต่าง เซสชันนับว่าล้มเหลวถ้าขั้นตอนสำคัญที่กำหนดล้มเหลว ความสำเร็จบางส่วนรายงานเป็นสัดส่วนการเสื่อมสภาพแยกต่างหาก ไม่รวมเข้าด้วยกัน เปอร์เซ็นต์ การเฝ้าติดตามผู้ใช้จริง บันทึกเซสชันของแอปพลิเคชัน เหตุการณ์วิเคราะห์ การจัดการความพร้อมใช้งาน การจัดการระดับบริการ SLI ตามเส้นทางและตัวชี้วัดประสบการณ์ในหัวข้อ 6.2 (ดูหัวข้อ 6.2 “ข้อตกลงระดับประสบการณ์”) รายเดือน
เวลาหยุดที่ไม่ได้วางแผน นาทีที่บริการใช้งานไม่ได้โดยไม่มีการแจ้งล่วงหน้าที่อนุมัติ ผลรวมระยะเวลาเหตุล่มในหน้าต่าง จากจุดเริ่มผลกระทบที่ยืนยันถึงการฟื้นคืนที่ยืนยัน สำหรับเหตุล่มที่ไม่ได้ประกาศและอนุมัติผ่านการสนับสนุนการเปลี่ยนแปลงก่อนเริ่ม เหตุล่มที่ซ้อนทับกันในบริการเดียวกันถูกรวมเป็นหนึ่ง ไม่ได้บวกซ้ำ รายงานเป็นนาทีรวม จำนวนเหตุล่ม และค่ามัธยฐานและเปอร์เซ็นไทล์ที่ 95 ของระยะเวลาเหตุล่ม นาที บันทึกเหตุขัดข้องพร้อมการประทับเวลาเริ่มผลกระทบและฟื้นคืน การจัดการเหตุขัดข้อง การจัดการความพร้อมใช้งาน เวลาฟื้นคืนที่อ่านเป็นการกระจาย (ดูหัวข้อ 3.3 “เวลาตอบสนองและเวลาแก้ไขเหตุขัดข้อง”) รายเดือน
สัดส่วนเวลาหยุดที่วางแผนไว้ สัดส่วนของเวลาหยุดทำงานทั้งหมดที่ประกาศและอนุมัติล่วงหน้า นาทีหยุดที่วางแผนไว้ / (นาทีหยุดที่วางแผนไว้บวกที่ไม่ได้วางแผน) ในหน้าต่าง เหตุล่มนับว่าวางแผนไว้ก็ต่อเมื่ออนุมัติผ่านบันทึกการเปลี่ยนแปลงก่อนเริ่ม และเวลาเริ่มและจบถูกสื่อสารให้ผู้ใช้ทราบ การเกินหน้าต่างที่อนุมัติถูกจัดประเภทใหม่เป็นไม่ได้วางแผนตั้งแต่ขณะที่หน้าต่างสิ้นสุด เปอร์เซ็นต์ บันทึกการเปลี่ยนแปลงพร้อมหน้าต่างที่อนุมัติ บันทึกเหตุขัดข้อง ประวัติหน้าสถานะ การสนับสนุนการเปลี่ยนแปลง การจัดการความพร้อมใช้งาน แนวปฏิบัติการปล่อยรุ่นและการบำรุงรักษาที่นิยมการติดตั้งใช้งานแบบไม่มีเวลาหยุด (ดูหัวข้อ 4.3 “ตัวชี้วัดการสนับสนุนการเปลี่ยนแปลง”) รายเดือน
ความถี่และระยะห่างของเหตุล่ม เหตุล่มเริ่มบ่อยเพียงใดและบริการทำงานได้นานเท่าใดระหว่างเหตุล่ม จำนวนเหตุล่มที่เริ่มในหน้าต่าง และสำหรับเหตุล่มติดกันแต่ละคู่ นาทีของเวลาใช้งานได้ระหว่างการฟื้นคืนของเหตุแรกกับจุดเริ่มของเหตุที่สอง สรุปเป็นค่ามัธยฐานและเปอร์เซ็นไทล์ที่ 5 ไม่รายงานเป็นค่าเฉลี่ยค่าเดียวเมื่อมีช่วงน้อยกว่าสิบช่วง จำนวน นาที บันทึกเหตุขัดข้อง ประวัติการเฝ้าติดตาม การจัดการเหตุขัดข้อง การจัดการปัญหา สัญญาณความเสถียรควบคู่กับอัตราความล้มเหลวของการเปลี่ยนแปลง (ดูหัวข้อ 4.4 “ความล้มเหลวของการเปลี่ยนแปลงและการทำซ้ำ”) รายเดือน
สัดส่วนการเสื่อมสภาพ เวลาที่บริการทำงานแต่ต่ำกว่าคุณภาพที่ตกลง นาทีที่ตัวบ่งชี้ความหน่วง ข้อผิดพลาด หรือความถูกต้องละเมิดเกณฑ์ ไม่รวมนาทีที่นับเป็นเวลาหยุดทำงานแล้ว / นาทีในขอบเขต เกณฑ์ระบุต่อบริการ เช่นใน SLO เปอร์เซ็นต์ การเฝ้าติดตามและการวัด SLI การจัดการความพร้อมใช้งาน การจัดการความจุและประสิทธิภาพ SLI ด้านความหน่วง (ดูหัวข้อ 5.4 “ตัวชี้วัดความจุและประสิทธิภาพ”) รายเดือน
ความครอบคลุมของการวัด การวัดความพร้อมใช้งานสังเกตพฤติกรรมฝั่งผู้ใช้ของบริการได้มากเพียงใด เส้นทางผู้ใช้ที่สำคัญที่มีโพรบที่ทำงานอยู่หรือการวัดผู้ใช้จริง / เส้นทางผู้ใช้ที่สำคัญที่ระบุในนิยามบริการ เปอร์เซ็นต์ นิยามบริการ การกำหนดค่าการเฝ้าติดตาม การเฝ้าติดตามและการจัดการเหตุการณ์ การจัดการความพร้อมใช้งาน ความครอบคลุมของการสังเกตการณ์และคุณภาพการแจ้งเตือน (ดูหัวข้อ 5.5 “ตัวชี้วัดการเฝ้าติดตามและคุณภาพการแจ้งเตือน”) รายไตรมาส

หมายเหตุสองข้อเรื่องข้อมูล โพรบที่ตรวจทุกห้านาทีแยกแยะเหตุล่มสองนาทีไม่ได้ ดังนั้นให้บันทึกช่วงเวลาของโพรบไว้ข้างตัวเลข และใช้ฟิลด์จุดเริ่มผลกระทบในบันทึกเหตุขัดข้อง (ดูหัวข้อ 1.5 “แหล่งข้อมูลและการติดตั้งเครื่องมือวัด”) ทุกครั้งที่นิยามของ “ใช้งานได้” เปลี่ยน ให้ทำเครื่องหมายบนแผนภูมิแนวโน้ม

ข้อเสนอแนะ

นิยามการวัด

1. เขียนนิยามบริการก่อนเปอร์เซ็นต์ ระบุขอบเขตบริการ เส้นทางผู้ใช้ที่สำคัญ ชั่วโมงในขอบเขต เขตเวลา และหน้าต่าง (โดยปกติคือหนึ่งเดือนปฏิทิน) ระบุว่าการพึ่งพาใดนับ: ถ้าผู้ให้บริการชำระเงินล้มเหลวและผู้ใช้ชำระเงินไม่ได้ นั่นเป็นเหตุล่มของท่านหรือไม่ บันทึกคำตอบไว้ในทะเบียนตัวชี้วัด (ดูหัวข้อ 1.4 “การกำกับดูแลและความเป็นเจ้าของตัวชี้วัด”) ข้อพิพาทเรื่องความพร้อมใช้งานส่วนใหญ่คือข้อพิพาทเรื่องหน้านี้ และการยุติล่วงหน้าถูกกว่าการยุติหลังเกิดเหตุล่มมาก

2. นิยาม “ใช้งานได้” เป็นผลลัพธ์ของผู้ใช้ ไม่ใช่สถานะของเซิร์ฟเวอร์ การตรวจสุขภาพที่ส่งผลสำเร็จขณะที่การลงชื่อเข้าใช้เสียวัดสิ่งที่ผิด เลือกเส้นทางสำคัญจำนวนน้อย เช่น “ค้นหาและดูรายการ” “ลงชื่อเข้าใช้” หรือ “ยื่นคำร้อง” และนิยามความสำเร็จของแต่ละเส้นทางด้วยถ้อยคำที่ผู้ใช้จดจำได้ โพรบเส้นทางแบบต้นทางถึงปลายทาง และถือว่าการตอบสนองช้าเกินเกณฑ์ที่ตกลงเป็นการเสื่อมสภาพ ไม่ใช่ใช้งานได้

3. ใช้ตัวชี้วัดตามคำขอสำหรับบริการแบบกระจาย และตัวชี้วัดตามเวลาเมื่อบริการเปิดหรือปิดจริง ๆ บริการระดับโลกแทบไม่เคยล่มทั้งหมด ดังนั้นการนับนาทีของความล้มเหลวทั้งหมดจึงละเลยความล้มเหลวจริงส่วนใหญ่ รายงานทั้งสองอย่างเมื่อทำได้ และบอกว่าอย่างใดเป็นตัวเลขหลักและเพราะเหตุใด

4. เพิ่มการถ่วงน้ำหนักตามผู้ใช้เมื่อโหลดไม่สม่ำเสมอ เหตุล่มสิบนาทีตอนตีสี่กับเหตุล่มตอนเริ่มวันซื้อขายมีระยะเวลาเท่ากันแต่ต้นทุนต่างกันมาก ถ่วงน้ำหนักด้วยเซสชันหรือธุรกรรมในนาทีที่ล้มเหลว หรือรายงานนาทีเหตุล่มช่วงเร่งด่วนเป็นตัวเลขแยก

5. วัดจากภายนอกโดเมนความล้มเหลว โพรบภายในเครือข่ายหรือภูมิภาคเดียวกับบริการล้มเหลวไปด้วย หรือรายงานความสำเร็จต่อไปขณะที่เส้นทางที่ผู้ใช้ใช้เสีย รันโพรบสังเคราะห์จากอย่างน้อยสองที่ตั้งที่เป็นอิสระต่อกัน และตรวจสอบเทียบกับข้อมูลผู้ใช้จริง

จัดการเหตุล่มที่วางแผนและไม่ได้วางแผนอย่างซื่อตรง

6. รายงานเวลาหยุดที่วางแผนและไม่ได้วางแผนเคียงกัน ข้อตกลงจำนวนมากยกเว้นการบำรุงรักษาที่วางแผนไว้ ซึ่งสมเหตุสมผล ผู้ใช้ก็ยังสัมผัสมันเป็นเวลาหยุดทำงาน จึงควรแสดงนาทีที่ถูกยกเว้นและสัดส่วนที่วางแผนไว้ข้างตัวเลขหลัก (ดูหัวข้อ 4.3 “ตัวชี้วัดการสนับสนุนการเปลี่ยนแปลง”)

7. ทำให้ป้าย “วางแผนไว้” ได้มายาก นิยามว่าวางแผนไว้คืออนุมัติผ่านบันทึกการเปลี่ยนแปลงก่อนเหตุล่มเริ่ม พร้อมสื่อสารเวลาเริ่มและจบให้ผู้ใช้ล่วงหน้า เหตุล่มที่ประกาศหลังเริ่มแล้วคือไม่ได้วางแผน การเกินหน้าต่างที่อนุมัติคือไม่ได้วางแผนตั้งแต่ขณะที่หน้าต่างสิ้นสุด กฎสามข้อนี้ป้องกันไม่ให้ป้ายกลายเป็นวิธีติดป้ายความล้มเหลวใหม่

8. พยายามลดเวลาหยุดที่วางแผนไว้ การติดตั้งใช้งานแบบทยอย ฟีเจอร์แฟลก การย้ายสคีมาแบบไม่ล็อก และการปล่อยแบบบลูกรีน ช่วยให้ทีมเปลี่ยนบริการได้โดยไม่ต้องปิด ติดตามนาทีหยุดที่วางแผนไว้เป็นแนวโน้มและถามว่าต้องทำอะไรเพื่อให้เข้าใกล้ศูนย์

อ่านตัวเลขให้ดี

9. แปลงเลขเก้าเป็นนาทีและแสดงมัน ตารางด้านล่างให้เลขคณิตสำหรับเดือน 30 วัน (43,200 นาที) และปี 365 วัน (525,600 นาที) วางนาทีที่อนุญาตไว้บนแดชบอร์ดข้างเป้าหมาย และแสดงนาทีที่ใช้ไปแล้วในหน้าต่าง ผู้คนตัดสินใจเรื่อง “43 นาทีต่อเดือน” ได้ดีกว่า “สามเลขเก้า”

เป้าหมายความพร้อมใช้งาน เวลาหยุดที่อนุญาตในเดือน 30 วัน เวลาหยุดที่อนุญาตในปี 365 วัน
99 เปอร์เซ็นต์ 432 นาที (7.2 ชั่วโมง) 5,256 นาที (87.6 ชั่วโมง)
99.5 เปอร์เซ็นต์ 216 นาที (3.6 ชั่วโมง) 2,628 นาที (43.8 ชั่วโมง)
99.9 เปอร์เซ็นต์ 43.2 นาที 525.6 นาที (8.76 ชั่วโมง)
99.95 เปอร์เซ็นต์ 21.6 นาที 262.8 นาที (4.38 ชั่วโมง)
99.99 เปอร์เซ็นต์ 4.32 นาที 52.56 นาที
99.999 เปอร์เซ็นต์ ประมาณ 26 วินาที ประมาณ 5.26 นาที

ค่าเหล่านี้สมมติว่านาฬิกาเดินตลอดหน้าต่าง ถ้าวัดเฉพาะชั่วโมงให้บริการที่ตกลง นาทีที่อนุญาตจะลดลงตามสัดส่วน และท่านควรระบุเช่นนั้น

10. เคารพต้นทุนของเลขเก้าแต่ละตัวที่เพิ่มและขีดจำกัดของการพึ่งพา หนังสือ SRE ระบุว่าต้นทุนความน่าเชื่อถือสูงขึ้นชันมากกับเลขเก้าแต่ละตัวที่เพิ่ม และเป้าหมายควรสะท้อนสิ่งที่ผู้ใช้ต้องการและสิ่งที่ธุรกิจยอมจ่าย บริการแทบไม่อาจพร้อมใช้งานมากกว่าการพึ่งพาที่ต้องใช้แบบอนุกรม ถ้าองค์ประกอบสำคัญสามอย่างแต่ละอย่างทำได้ 99.9 เปอร์เซ็นต์และคำขอต้องใช้ทั้งสาม ความพร้อมใช้งานที่คาดหวังดีที่สุดของชุดรวมคือประมาณ 99.7 เปอร์เซ็นต์ เพราะความน่าจะเป็นของความล้มเหลวบวกกันเมื่อองค์ประกอบเป็นอิสระต่อกัน ทำการคูณก่อนสัญญาตัวเลขใด

11. ดูระยะห่างและรูปร่าง ไม่ใช่แค่ยอดรวม เหตุล่มสั้นที่เกิดบ่อยต้องการการตอบสนองต่างจากเหตุล่มยาวที่หายาก เชื่อมเหตุล่มยาวเข้ากับการตรวจจับและการฟื้นคืน (ดูหัวข้อ 3.3 “เวลาตอบสนองและเวลาแก้ไขเหตุขัดข้อง”) และกับมุมมองเหตุขัดข้องรุนแรง (ดูหัวข้อ 3.4 “ตัวชี้วัดเหตุขัดข้องรุนแรง”)

12. ปิดวงรอบด้วยงบข้อผิดพลาดและบันทึกปัญหา เป้าหมายความพร้อมใช้งานมีประโยชน์เมื่อมันเปลี่ยนสิ่งที่ทีมทำ เมื่องบเวลาหยุดที่อนุญาตรายเดือนเกือบหมด ให้ชะลอการเปลี่ยนแปลงเสี่ยงและย้ายแรงไปงานด้านความน่าเชื่อถือ ตามที่อธิบายในนโยบายงบข้อผิดพลาด (ดูหัวข้อ 5.2 “SLI, SLO และงบข้อผิดพลาด”) เมื่อสาเหตุเดิมเกิดซ้ำ ให้เปิดบันทึกปัญหาและติดตามจนมีการแก้ไข (ดูหัวข้อ 4.1 “ตัวชี้วัดการจัดการปัญหา”)

ช่องทางการบิดเบือนและมาตรการป้องกัน

ตัวชี้วัด ถูกบิดเบือนได้อย่างไร ตัวชี้วัดหรือแนวปฏิบัติป้องกันที่จับคู่
ความพร้อมใช้งานตามเวลา โพรบหน้าเล็กน้อยที่ยังใช้งานได้ขณะที่เส้นทางจริงล้มเหลว ยืดช่วงเวลาโพรบให้เหตุล่มสั้นหลุดระหว่างการตรวจ ลดชั่วโมงในขอบเขต นับเหตุล่มเป็นการเสื่อมสภาพ ความพร้อมใช้งานถ่วงน้ำหนักตามผู้ใช้และการเฝ้าติดตามผู้ใช้จริง ระบุช่วงเวลาโพรบข้างตัวเลข สุ่มตรวจเหตุขัดข้องเทียบกับบันทึกการเฝ้าติดตาม
ความพร้อมใช้งานตามคำขอ นับคำของ่าย (การตรวจสุขภาพ แอสเซตที่แคช) ในตัวหารเพื่อเจือจางความล้มเหลว จัดประเภทข้อผิดพลาดของเซิร์ฟเวอร์เป็นข้อผิดพลาดของไคลเอนต์ ตัดการลองใหม่ที่ผู้ใช้สัมผัสเป็นความล้มเหลวออก อัตราความสำเร็จต่อเส้นทางสำคัญ ไม่ใช่ต่อคำขอ ทบทวนรายการข้อยกเว้น เปรียบเทียบกับเหตุขัดข้องที่ผู้ใช้รายงาน
ความพร้อมใช้งานถ่วงน้ำหนักตามผู้ใช้ เลือกการถ่วงน้ำหนักให้ความล้มเหลวช่วงเร่งด่วนมีความสำคัญน้อย นิยามเซสชัน “สำเร็จ” หลวมจนขั้นตอนที่เสียยังผ่าน เผยแพร่กฎการถ่วงน้ำหนักและรายการเส้นทาง เปรียบเทียบกับปริมาณข้อร้องเรียนและการติดต่อฝ่ายสนับสนุนระหว่างเหตุล่ม
เวลาหยุดที่ไม่ได้วางแผน จัดประเภทเหตุล่มใหม่เป็นวางแผนไว้หลังเกิดเหตุ ถ่วงจุดเริ่มผลกระทบที่ยืนยัน แยกเหตุล่มหนึ่งเป็นสองเพื่อให้ดูสั้นลง สัดส่วนเวลาหยุดที่วางแผนไว้ พร้อมกฎว่าเหตุล่มที่ประกาศหลังเริ่มแล้วคือไม่ได้วางแผน เปรียบเทียบจุดเริ่มผลกระทบกับข้อมูลการเฝ้าติดตาม
สัดส่วนเวลาหยุดที่วางแผนไว้ จองการเปลี่ยนแปลงเป็นหน้าต่างที่อนุมัติเพื่อให้การเกินเวลาและความล้มเหลวนับเป็นวางแผนไว้ เพิ่มสัดส่วนที่วางแผนไว้โดยกำหนดการบำรุงรักษาที่ไม่จำเป็น นาทีที่เกินถูกจัดประเภทใหม่เป็นไม่ได้วางแผน อัตราความล้มเหลวของการเปลี่ยนแปลงและสัดส่วนการเปลี่ยนแปลงฉุกเฉิน (ดูหัวข้อ 4.4 “ความล้มเหลวของการเปลี่ยนแปลงและการทำซ้ำ”)
ความถี่และระยะห่างของเหตุล่ม รวมเหตุขัดข้อง หรือเปิดเหตุขัดข้องใหม่หลังช่องว่างยาวเท่านั้น เพื่อให้จำนวนต่ำ ระงับการแจ้งเตือนเพื่อให้เหตุล่มสั้นไม่ถูกบันทึก สุ่มตรวจการแจ้งเตือนและเหตุขัดข้องเทียบกับเหตุการณ์การเฝ้าติดตามดิบ ความครอบคลุมการเฝ้าติดตามและคุณภาพการแจ้งเตือน (ดูหัวข้อ 5.5 “ตัวชี้วัดการเฝ้าติดตามและคุณภาพการแจ้งเตือน”)
สัดส่วนการเสื่อมสภาพ ตั้งเกณฑ์หลวมจนบริการช้าไม่เคยละเมิด ประกาศเวลาเสื่อมสภาพว่าใช้งานได้ ทบทวนเปอร์เซ็นไทล์ของความหน่วงและความช้าที่ผู้ใช้รายงานข้างตัวเลข (ดูหัวข้อ 5.4 “ตัวชี้วัดความจุและประสิทธิภาพ”)
ความครอบคลุมของการวัด ระบุเฉพาะเส้นทางที่โพรบง่าย ทำให้ความครอบคลุมอ่านได้ 100 เปอร์เซ็นต์ นับเส้นทางว่าครอบคลุมด้วยโพรบที่ไม่เคยรัน รายการเส้นทางที่ตกลงกับเจ้าของบริการและผู้ใช้ สุ่มตรวจประวัติการรันโพรบทุกไตรมาส

การอ่านค่าที่ดีแสดงตัวเลขที่เคลื่อนไหวด้วยเหตุผลที่ทีมอธิบายได้ โดยเห็นทั้งเวลาหยุดที่วางแผนและไม่ได้วางแผน และตัวเลขถ่วงน้ำหนักตามผู้ใช้ใกล้เคียงตัวเลขหลัก จงสงสัยเดือนสมบูรณ์แบบที่มาพร้อมข้อร้องเรียน การตกต่ำที่ซื่อตรงเป็นครั้งคราวแสดงว่าระบบบันทึกทำงาน

ข้อแลกเปลี่ยน: ข้อดีและข้อเสีย

แนวทาง จุดแข็ง จุดอ่อน
ความพร้อมใช้งานตามเวลา เรียบง่าย เข้าใจกันกว้างขวาง เปรียบเทียบกับสัญญาง่าย มองความล้มเหลวบางส่วนเป็นทั้งหมดหรือไม่มีเลย ละเลยว่าเมื่อใดและใคร
ความพร้อมใช้งานตามคำขอ สะท้อนความล้มเหลวบางส่วน ขยายไปยังบริการแบบกระจายได้ ขึ้นกับนิยามที่ดีของคำขอที่ใช้ได้ อาจถูกเจือจางด้วยการจราจรง่าย
ความพร้อมใช้งานถ่วงน้ำหนักตามผู้ใช้ ใกล้สิ่งที่ผู้ใช้สัมผัส แสดงต้นทุนของความล้มเหลวช่วงเร่งด่วน ต้องมีข้อมูลเซสชันหรือเส้นทาง อธิบายยากกว่า
ยกเว้นเวลาหยุดที่วางแผนไว้ ตรงกับข้อตกลงจำนวนมาก ให้รางวัลการแจ้งล่วงหน้า อาจซ่อนผลกระทบจริง เชิญชวนให้ติดป้ายใหม่
เป้าหมายปานกลางพร้อมงบข้อผิดพลาด สร้างสมดุลระหว่างความน่าเชื่อถือกับความเร็วในการส่งมอบ ต้องมีวินัยในการลงมือเมื่องบหมด

คำตอบในเชิงถ้อยความคือเลือกตัวชี้วัดที่ง่ายที่สุดที่เหมาะกับบริการ เพิ่มการถ่วงน้ำหนักตามผู้ใช้เมื่อโหลดไม่สม่ำเสมอ และชัดเจนทุกข้อยกเว้น ตัวชี้วัดที่ไม่หรูเท่าแต่ทุกคนเข้าใจทำประโยชน์ได้มากกว่าตัวที่ซับซ้อนที่ไม่มีใครไว้ใจ

คำถามสำหรับอภิปรายกับทีม

1. “พร้อมใช้งาน” หมายถึงอะไรสำหรับบริการที่สำคัญที่สุดของเรา และผู้ใช้จะเห็นด้วยหรือไม่ ขอให้แต่ละคนอธิบายในหนึ่งประโยคว่าผู้ใช้ต้องทำอะไรได้เพื่อให้บริการนับว่าใช้งานได้ เปรียบเทียบคำตอบกับนิยามที่เขียนไว้และกับโพรบที่ป้อนแดชบอร์ด ผู้อำนวยความสะดวกควรฟังหาช่องว่าง เช่นการลงชื่อเข้าใช้ การค้นหา หรือการชำระเงินที่ทำงานในโพรบแต่ล้มเหลวในทางปฏิบัติ จบด้วยการตกลงว่านิยามต้องระบุเส้นทางผู้ใช้ใดบ้าง

2. เหตุล่มใดจากไตรมาสที่แล้วที่การคำนวณของเราจะยกเว้น และนั่นยุติธรรมหรือไม่ ระบุเหตุล่มและทำเครื่องหมายแต่ละรายการเป็นวางแผนไว้ ไม่ได้วางแผน หรือถูกยกเว้น ถามว่าใครตัดสินแต่ละกรณีและเมื่อใด ผู้อำนวยความสะดวกควรบันทึกกรณีที่ผู้ใช้จะไม่เห็นด้วยกับป้าย และใช้กรณีเหล่านั้นทำให้กฎเข้มงวดขึ้น

3. เป้าหมายของเราอนุญาตเวลาหยุดกี่นาที และเราใช้ไปแล้วกี่นาทีในหน้าต่างนี้ แปลงเป้าหมายเป็นนาทีของเดือนและปีบนกระดานไวต์บอร์ด เปรียบเทียบกับนาทีที่ใช้ไปแล้ว ถามว่าทีมจะทำอะไรต่างไปถ้าเหลืองบเพียง 20 เปอร์เซ็นต์ วิธีนี้ทำให้เป้าหมายนามธรรมเป็นรูปธรรมและเชื่อมตัวเลขเข้ากับนโยบายงบข้อผิดพลาด

4. การวัดของเราอาจพลาดความล้มเหลวที่ผู้ใช้จะรู้สึกได้ที่ใด ไล่ดูที่ตั้งโพรบ ช่วงเวลา เส้นทางที่ครอบคลุม และการพึ่งพา ถามว่าความล้มเหลวแบบใดจะผ่านทุกโพรบแต่ยังทำให้บริการเสียสำหรับผู้ใช้ ตกลงเพิ่มโพรบใหม่หนึ่งตัวหรือการวัดผู้ใช้จริงหนึ่งอย่าง

5. เรากำลังวางแผนเหตุล่มที่เราหลีกเลี่ยงได้หรือไม่ ดูเวลาหยุดที่วางแผนไว้ในหกเดือนที่ผ่านมาและถามว่าอะไรบังคับให้เกิดเหตุล่มแต่ละครั้ง บางครั้งหลีกเลี่ยงไม่ได้ เช่นข้อกำหนดของผู้ขาย ส่วนอื่นมาจากแนวทางการปล่อยรุ่นหรือการย้ายระบบที่เปลี่ยนได้ ถามว่าต้องทำอะไรเพื่อกำจัดแหล่งที่ใหญ่ที่สุด และใครเป็นเจ้าของงานนั้น

6. ถ้าตัวเลขหลักดูสมบูรณ์แบบ อะไรจะทำให้เราสงสัย ระบุสัญญาณที่จะขัดแย้งกับแดชบอร์ด: ปริมาณข้อร้องเรียน การติดต่อฝ่ายสนับสนุน หรือความทรงจำของทีมเวรเรียกฉุกเฉิน ตรวจว่าตอนนี้มีอยู่หรือไม่ ตกลงการเปรียบเทียบหนึ่งอย่างที่จะวางบนแดชบอร์ด

สี่มุมมอง

ทีมผลิตภัณฑ์และการส่งมอบ

ทีมส่งมอบส่งผลต่อความพร้อมใช้งานทุกครั้งที่เปลี่ยนบริการ ทีมออกแบบการติดตั้งใช้งานแบบไม่มีเวลาหยุดได้ ใช้ฟีเจอร์แฟลกจำกัดรัศมีผลกระทบ และถือว่างบข้อผิดพลาดเป็นข้อมูลนำเข้าของการตัดสินใจปล่อยรุ่น โดยอ่านความพร้อมใช้งานข้างตัวชี้วัดการติดตั้งใช้งาน (ดูหัวข้อ 2.8 “ตัวชี้วัด DORA”)

ทีมบริการและปฏิบัติการ

ทีมปฏิบัติการเป็นเจ้าของโพรบ บันทึกเหตุขัดข้อง และการหมุนเวรที่สร้างข้อมูล ควรรักษานิยามและรายการข้อยกเว้นให้เป็นปัจจุบัน บันทึกจุดเริ่มผลกระทบอย่างซื่อตรง และทบทวนการเฝ้าติดตามเทียบกับเหตุขัดข้องจริง ความพร้อมใช้งานเป็นของบริการและการหมุนเวร ไม่ใช่ของวิศวกรเวรคนใดคนหนึ่ง (ดูหัวข้อ 5.7 “ตัวชี้วัดงานซ้ำซากและเวรเรียกฉุกเฉิน”)

ภาวะผู้นำและการกำกับดูแล

ผู้นำกำหนดแรงจูงใจที่ตัดสินว่าข้อมูลความพร้อมใช้งานตรงไปตรงมาหรือไม่ การทบทวนที่ถามว่า “ทำไมถึงเสียเลขเก้าไปตัวหนึ่ง” สอนให้ทีมซ่อนเหตุล่มไว้ในข้อยกเว้น ให้ถามว่าทีมเรียนรู้อะไรและการลงทุนใดจะลดเหตุล่ม และอย่าขอเลขเก้ามากกว่าที่ผู้ใช้จะสังเกตเห็น (ดูหัวข้อ 8.4 “ตัวชี้วัดผู้ให้บริการและสัญญา” สำหรับข้อผูกพันของผู้จัดหา)

ลูกค้าและผู้ใช้

ผู้ใช้ตัดสินความพร้อมใช้งานจากว่าพวกเขาทำสิ่งที่มาทำได้หรือไม่ พวกเขายอมรับช่วงบำรุงรักษาที่ป้ายบอกล่วงหน้าได้ดีกว่าเรื่องที่มาแบบไม่ทันตั้งตัวมาก ให้หน้าสถานะที่มีเวลาเริ่มและจบอย่างซื่อตรง และอ่านข้อเสนอแนะของพวกเขาควบคู่กับตัวเลข (ดูหัวข้อ 6.2 “ข้อตกลงระดับประสบการณ์”)

ในทางปฏิบัติ: ตัวอย่าง ITIL แบบคล่องตัว

ผู้ค้าปลีกออนไลน์ขนาดกลางดำเนินหน้าร้าน บริการชำระเงิน และบริการติดตามคำสั่งซื้อ ตัวเลขในตัวอย่างนี้เป็นตัวอย่างประกอบ

ทีมชำระเงินรายงานความพร้อมใช้งานตามเวลา 99.95 เปอร์เซ็นต์สำหรับเดือน ซึ่งอนุญาตเวลาหยุดที่ไม่ได้วางแผน 21.6 นาที และแดชบอร์ดแสดง 99.96 เปอร์เซ็นต์ หัวหน้าฝ่ายสนับสนุนลูกค้ารู้สึกไม่สบายใจ เพราะการติดต่อฝ่ายสนับสนุนเรื่องการชำระเงินล้มเหลวเพิ่มขึ้นในเดือนเดียวกัน เธอขอให้ทีมทบทวนการวัด

ทีมพบสามประเด็น โพรบตรวจหน้า “เข้าถึงการชำระเงินได้” ทุกห้านาที ไม่ใช่เส้นทางชำระเงินทั้งหมด ข้อมูลตามคำขอแสดงว่าในสองเย็น การหมดเวลาของผู้ให้บริการชำระเงินทำให้ความพยายามชำระเงินราว 4 เปอร์เซ็นต์ล้มเหลวประมาณ 50 นาทีในแต่ละเย็น และโพรบไม่เคยสังเกตเพราะตัวหน้าโหลดได้ และการย้ายฐานข้อมูลที่เกินหน้าต่างที่อนุมัติ 18 นาทีถูกบันทึกทั้งหมดเป็นการบำรุงรักษาที่วางแผนไว้

ทีมทำการเปลี่ยนแปลงสี่อย่าง เพิ่มโพรบสังเคราะห์สำหรับเส้นทางชำระเงินทั้งหมดจากสองที่ตั้งที่ช่วงหนึ่งนาที เพิ่มตัวเลขตามคำขอและถ่วงน้ำหนักตามผู้ใช้โดยใช้เซสชันที่ถึงขั้นตอนชำระเงิน จัดประเภทนาทีที่เกินใหม่เป็นไม่ได้วางแผน และเพิ่มสัดส่วนเวลาหยุดที่วางแผนไว้และความครอบคลุมของการวัดลงในรายงาน

บนฐานที่แก้ไขแล้ว เดือนนั้นแสดงความพร้อมใช้งานตามเวลา 99.93 เปอร์เซ็นต์ ความพร้อมใช้งานตามคำขอ 99.90 เปอร์เซ็นต์ และความพร้อมใช้งานถ่วงน้ำหนักตามผู้ใช้ 99.84 เปอร์เซ็นต์ เพราะความล้มเหลวเกิดในช่วงเร่งด่วนตอนเย็น ทั้งสามพลาดเป้าหมาย 99.95 เปอร์เซ็นต์ ซึ่งน่าอึดอัด ทีมและหัวหน้าฝ่ายสนับสนุนตกลงกันว่าตัวเลขก่อนหน้านี้ใจกว้างเกินไป พวกเขาเขียนนิยามที่แก้ไขแล้วลงในทะเบียนตัวชี้วัดและให้นโยบายงบข้อผิดพลาดมีผล: ในเดือนถัดไป การเปลี่ยนแปลงเสี่ยงของบริการชำระเงินรอจนกว่างบจะฟื้น และทีมเปิดบันทึกปัญหาสำหรับการหมดเวลาของผู้ให้บริการชำระเงิน (ดูหัวข้อ 4.1 “ตัวชี้วัดการจัดการปัญหา”)

ความเสี่ยงเรื่องการบิดเบือนที่พวกเขาจับได้คือการติดป้ายใหม่ ผู้จัดการคนหนึ่งเสนอให้เรียกส่วนที่เกินเวลาว่า “การบำรุงรักษาที่ขยายออก” เพื่อปกป้องเป้าหมาย สัดส่วนเวลาหยุดที่วางแผนไว้ พร้อมกฎว่าส่วนที่เกินกลายเป็นไม่ได้วางแผน ทำให้การจัดประเภทใหม่นั้นมองเห็นได้ และทีมรักษาตัวเลขที่ซื่อตรงไว้

มุมมองตามประเภทองค์กร

สตาร์ทอัป ทีมเล็กมักมีบริการเดียวและการเฝ้าติดตามน้อย เริ่มด้วยโพรบหนึ่งตัวบนเส้นทางที่สำคัญที่สุดและนิยาม “ใช้งานได้” หนึ่งย่อหน้า เลือกเป้าหมายพอประมาณ แปลงเป็นนาที และหลีกเลี่ยงการสัญญาเลขเก้าที่ทีมยังวัดไม่ได้

ธุรกิจขนาดเล็ก บริการมักเป็นเครื่องมือที่โฮสต์บวกระบบเฉพาะไม่กี่ระบบ และความพร้อมใช้งานขึ้นกับผู้จัดหา บันทึกเหตุล่มของผู้จัดหาตามที่กระทบผู้ใช้ของท่าน เปรียบเทียบกับที่ผู้จัดหารายงาน และจำกัดชุดตัวเลขไว้ที่สองถึงสามตัว

องค์กรขนาดใหญ่ บริการ ทีม และผู้จัดหาจำนวนมากทำให้นิยามที่ใช้อยู่เพิ่มทวีคูณ เผยแพร่นิยามความพร้อมใช้งานมาตรฐานหนึ่งเดียวพร้อมรายการสั้น ๆ ของความแตกต่างที่อนุญาต ดูแลทะเบียนตัวชี้วัดให้เป็นปัจจุบัน และตรวจให้แน่ใจว่ากฎวางแผนและไม่ได้วางแผนเหมือนกันข้ามทีมก่อนเปรียบเทียบ เลือกการรายงานระดับบริการแทนตารางจัดอันดับทีม เพราะบริการต่างกันที่โหลดและความสำคัญ

ภาครัฐและหน่วยงานสาธารณะ บริการสาธารณะมักมีชั่วโมงให้บริการตามกฎหมาย ข้อผูกพันที่เผยแพร่ และสัญญาที่มีเครดิตอย่างเป็นทางการ รายงานเทียบกับสิ่งเหล่านั้นตามที่เขียนไว้ แสดงมุมมองถ่วงน้ำหนักตามผู้ใช้ข้างกัน และเปิดเผยข้อยกเว้น (ดูหัวข้อ 8.5 “การรายงานตามข้อกำหนดและต่อภาครัฐ”)

กรณีทางธุรกิจ: แรงจูงใจ ROI และ TCO

ต้นทุนหลักคือเวลาเขียนนิยามบริการและทะเบียน การเฝ้าติดตามที่โพรบเส้นทางสำคัญจากภายนอกโดเมนความล้มเหลว และแรงที่ใช้รวมข้อมูลเหตุขัดข้อง การเปลี่ยนแปลง และการเฝ้าติดตามเพื่อแยกเวลาหยุดที่วางแผนและไม่ได้วางแผน การเฝ้าติดตามผู้ใช้จริงเพิ่มต้นทุนเครื่องมือและพื้นที่จัดเก็บ องค์กรส่วนใหญ่มีข้อมูลบางส่วนอยู่แล้ว การลงทุนแรกจึงมักอยู่ที่นิยาม

ผลตอบแทนมาจากการตัดสินใจที่ดีขึ้นและข้อพิพาทที่น้อยลง ทีมที่วัดจากฝั่งผู้ใช้พบความล้มเหลวที่การตรวจสุขภาพพลาด จัดการข้อตกลงได้ง่ายขึ้นด้วยนิยามเดียว และเทียบต้นทุนของเลขเก้าที่เพิ่มกับคุณค่าต่อผู้ใช้ได้ อธิบายประโยชน์เป็นรูปแบบ เช่นเรื่องที่ทำให้ประหลาดใจน้อยลงในการทบทวนข้อตกลง และวัดฐานของท่านเอง เช่นช่องว่างระหว่างตัวเลขหลักกับตัวเลขถ่วงน้ำหนักตามผู้ใช้ อย่ายืมตัวเลขจากองค์กรอื่น

รูปแบบที่ไม่ควรทำและข้อควรระวัง

  • อ้างเลขเก้าโดยไม่บอกนาที เป้าหมายที่ไม่มีใครแปลเป็นเวลาหยุดที่อนุญาตได้ชี้นำการตัดสินใจไม่ได้ ให้แสดงนาทีที่อนุญาตและที่ใช้ไปข้างทุกเป้าหมาย
  • วัดเซิร์ฟเวอร์แทนเส้นทาง การตรวจสุขภาพสีเขียวอยู่ข้างการลงชื่อเข้าใช้ที่เสียได้ โพรบเส้นทางสำคัญแบบต้นทางถึงปลายทางและเปรียบเทียบกับข้อมูลผู้ใช้จริง
  • ปล่อยให้ป้ายวางแผนไว้ดูดซับความล้มเหลว หมวดวางแผนไว้ที่อ้างได้ง่ายทำให้ตัวเลขไม่ได้วางแผนว่างเปล่า ให้ต้องอนุมัติก่อนเหตุล่ม สื่อสารมัน และจัดประเภทส่วนที่เกินใหม่
  • เฉลี่ยข้ามบริการและชั่วโมง ตัวเลขผสมซ่อนบริการสำคัญและชั่วโมงที่คับคั่ง รายงานต่อบริการ และเพิ่มมุมมองถ่วงน้ำหนักตามผู้ใช้
  • สัญญาเลขเก้ามากกว่าที่การพึ่งพาอนุญาต องค์ประกอบที่ต่ออนุกรมกันเกินความพร้อมใช้งานรวมของมันไม่ได้ คูณก่อนสัญญา และขอตัวเลขที่วัดได้จากผู้จัดหา
  • ถือ 100 เปอร์เซ็นต์เป็นเป้า ต้นทุนพุ่งชันและการเปลี่ยนแปลงช้าลง เลือกเป้าหมายจากความต้องการของผู้ใช้และใช้งบข้อผิดพลาด
  • จัดอันดับทีมหรือบุคคลตามเลขเก้า บริการต่างกันที่โหลดและความสำคัญ และตารางจัดอันดับสอนให้ทีมซ่อนเหตุล่ม ให้แสดงแนวโน้มของแต่ละบริการเองและเปรียบเทียบกับเป้าหมายของมันเอง

แบบจำลองวุฒิภาวะ

มิติ 1 เริ่มต้น 2 พัฒนา 3 ทำให้เป็นมาตรฐาน 4 บริหารจัดการ 5 ประสานจัดการ
นิยามและนาฬิกา “ใช้งานได้” หมายถึงสิ่งที่เครื่องมือเฝ้าติดตามแสดง เวลาเหตุล่มประมาณการทีหลัง เขียนไว้สำหรับบางบริการ เวลาของโพรบและเหตุขัดข้องไม่ตรงกัน นิยามที่เขียนไว้หนึ่งฉบับต่อบริการ พร้อมเส้นทาง ชั่วโมง ข้อยกเว้น และกฎนาฬิกา ทบทวนนิยามตามจังหวะ บันทึกการเปลี่ยนแปลงและทำเครื่องหมายบนแผนภูมิ นิยามสอดคล้องกับผู้จัดหาและลูกค้า และปรับเมื่อไม่ช่วยการตัดสินใจอีกต่อไป
คุณภาพการวัด รายงานด้วยมือหรือการตรวจสุขภาพเดียว โพรบสำหรับบางบริการ ข้อมูลตามคำขอในบางบันทึก โพรบจากภายนอกเข้าบนเส้นทางสำคัญบวกตัวเลขตามคำขอจากแหล่งมาตรฐาน ตัวเลขถ่วงน้ำหนักตามผู้ใช้จากข้อมูลผู้ใช้จริง ติดตามและสุ่มตรวจความครอบคลุม แบ่งปันการวัดข้ามทีมและผู้จัดหาและกระทบยอดโดยอัตโนมัติ
การจัดการที่วางแผนและไม่ได้วางแผน ไม่แยก นับการบำรุงรักษาเฉพาะกิจ บางทีมใช้ป้ายวางแผนไว้ กฎต่างกัน กฎเดียว: อนุมัติก่อนเหตุล่มและสื่อสาร จัดประเภทส่วนที่เกินใหม่ สัดส่วนที่วางแผนไว้มีแนวโน้มพร้อมเป้าหมายลด การเปลี่ยนแปลงแบบไม่มีเวลาหยุดเป็นค่าเริ่มต้น และเวลาหยุดที่วางแผนไว้หายากและเจรจากัน
การใช้ในการตัดสินใจ รายงานหลังมีข้อร้องเรียน ฝ่ายปฏิบัติการทบทวนรายเดือน แสดงเป้าหมายเป็นนาที นโยบายงบข้อผิดพลาดเปลี่ยนงาน พร้อมเงินทุน ถ่วงดุลความพร้อมใช้งาน ต้นทุน และประสบการณ์ร่วมกัน

รายการตรวจสอบ

  • แต่ละบริการมีนิยามที่เขียนไว้ของ “พร้อมใช้งาน” ที่ระบุเส้นทางผู้ใช้ที่สำคัญ
  • ระบุหน้าต่างการวัด ชั่วโมงในขอบเขต และเขตเวลาสำหรับทุกตัวเลข
  • รายการข้อยกเว้นเขียนไว้ ทบทวน และแสดงข้างตัวเลขหลัก
  • เวลาหยุดที่วางแผนไว้ต้องมีการเปลี่ยนแปลงที่อนุมัติและการแจ้งล่วงหน้า ส่วนที่เกินนับเป็นไม่ได้วางแผน
  • โพรบรันจากภายนอกโดเมนความล้มเหลว ที่ช่วงเวลาที่ระบุ บนเส้นทางสำคัญ
  • ตัวเลขตามคำขอหรือถ่วงน้ำหนักตามผู้ใช้อยู่ข้างตัวเลขตามเวลา
  • แต่ละเป้าหมายแสดงเป็นนาทีที่อนุญาตและนาทีที่ใช้ไปในหน้าต่างปัจจุบัน
  • รายงานจำนวนเหตุล่มและเปอร์เซ็นไทล์ของระยะเวลา ไม่ใช่แค่ยอดรวม
  • คูณความพร้อมใช้งานของการพึ่งพาก่อนสัญญาเป้าหมาย
  • บันทึกการเปลี่ยนนิยามและทำเครื่องหมายบนแผนภูมิแนวโน้ม
  • รายงานความพร้อมใช้งานต่อบริการ ไม่เคยต่อบุคคล

พรอมต์ AI

ร่างนิยามความพร้อมใช้งานของบริการ

ฉันกำลังเขียนนิยามความพร้อมใช้งานสำหรับ [ชื่อบริการ] ซึ่งเป็น [ประเภทบริการ]
ที่ [กลุ่มผู้ใช้] ใช้ เส้นทางผู้ใช้ที่สำคัญคือ [รายการเส้นทาง] ชั่วโมงให้บริการ
ที่ตกลงคือ [ชั่วโมงและเขตเวลา] การพึ่งพาที่ทราบคือ [รายการ] การเฝ้าติดตามของเรา
ประกอบด้วย [โพรบ บันทึก ข้อมูลผู้ใช้จริง]

ร่างนิยามหนึ่งหน้าที่ครอบคลุม: สิ่งที่นับว่าใช้งานได้สำหรับแต่ละเส้นทาง หน้าต่างการวัด
ชั่วโมงในขอบเขต ข้อยกเว้น กฎของเวลาหยุดที่วางแผนไว้เทียบกับที่ไม่ได้วางแผน
จุดเริ่มและหยุดของนาฬิกาสำหรับเหตุล่ม และตัวชี้วัดที่ต้องรายงาน อย่าคิดเป้าหมาย
หรือค่าเทียบเคียงขึ้นเอง ระบุข้อสมมติของคุณและคำถามที่ฉันควรตอบเพื่อให้นิยามสมบูรณ์

แปลงเป้าหมายเป็นเวลาหยุดที่อนุญาตและทดสอบ

เป้าหมายของเราสำหรับ [ชื่อบริการ] คือ [เปอร์เซ็นต์ความพร้อมใช้งาน] ในช่วง [หน้าต่าง
เช่นเดือน 30 วัน] เวลาในขอบเขตคือ [ชั่วโมง] การพึ่งพาที่จำเป็นของเราและ
ความพร้อมใช้งานที่ระบุหรือวัดได้คือ [รายการ หรือ “ไม่ทราบ”]

คำนวณเวลาหยุดที่เป้าหมายนี้อนุญาตเป็นนาทีสำหรับหน้าต่างและสำหรับหนึ่งปี โดยใช้
ชั่วโมงในขอบเขต จากนั้นประมาณความพร้อมใช้งานรวมที่ดีที่สุดถ้าการพึ่งพาต้องใช้
แบบอนุกรมและล้มเหลวอย่างเป็นอิสระต่อกัน และอธิบายสูตรที่ใช้ ชี้จุดที่ข้อมูลนำเข้า
ของฉันไม่แน่นอนเกินกว่าจะสรุปอะไรได้ อย่าให้ตัวเลขความพร้อมใช้งานของการพึ่งพา
ใดที่ฉันไม่ได้ให้ ระบุข้อสมมติของคุณ

ทบทวนเหตุล่มหนึ่งเดือนเพื่อหาปัญหาการจัดประเภท

นี่คือบันทึกเหตุล่มของ [ชื่อบริการ] สำหรับ [เดือน]: [วางบันทึกพร้อมจุดเริ่มผลกระทบ
เวลาฟื้นคืน ป้ายวางแผนไว้หรือไม่ได้วางแผน เวลาอนุมัติ และหมายเหตุ โดยลบข้อมูลส่วนบุคคลออกแล้ว]

สำหรับแต่ละเหตุล่ม ตรวจว่าป้ายวางแผนไว้หรือไม่ได้วางแผนเป็นไปตามกฎนี้หรือไม่:
[วางกฎของท่าน] ระบุบันทึกที่จุดเริ่มผลกระทบดูช้าเกินไป ที่เหตุล่มหนึ่งดูเหมือนถูกแยก
หรือรวม และที่ส่วนที่เกินควรถูกจัดประเภทใหม่ สรุปรูปแบบตามบริการและสาเหตุ
ไม่เคยตามบุคคล บอกฉันว่าคุณตัดสินอะไรจากข้อมูลไม่ได้ ระบุข้อสมมติของคุณ

ทักษะ AI

  • ทักษะ Agile ITIL Metrics: ใช้เพื่อหาหัวข้อที่เกี่ยวข้องและมาตรการป้องกันที่จับคู่สำหรับตัวชี้วัดความพร้อมใช้งานที่ท่านกำลังจะรายงาน
  • ทักษะผู้ดูแล Agile ITIL Metrics: ใช้เพื่อตรวจว่าการแก้ไขหัวข้อนี้ยังคงจับคู่ทุกตัวชี้วัดกับช่องทางการบิดเบือนและมาตรการป้องกัน

ข้อสรุปสำคัญ

  • ความพร้อมใช้งานมีความหมายก็ต่อเมื่อเขียน “ใช้งานได้” ขอบเขตบริการ ชั่วโมง และข้อยกเว้นไว้จากฝั่งผู้ใช้
  • ตัวชี้วัดตามคำขอและถ่วงน้ำหนักตามผู้ใช้อธิบายบริการแบบกระจายและโหลดที่ไม่สม่ำเสมอได้ดีกว่านาทีของความล้มเหลวทั้งหมด
  • รายงานเวลาหยุดที่วางแผนและไม่ได้วางแผนด้วยกัน และทำให้ป้ายวางแผนไว้ได้มายาก
  • แปลงทุกเป้าหมายเป็นนาที และคูณการพึ่งพาแบบอนุกรมก่อนสัญญาจำนวนเลขเก้า
  • เลขเก้าแต่ละตัวที่เพิ่มมีต้นทุนมากกว่าตัวก่อน จึงเลือกเป้าหมายจากสิ่งที่ผู้ใช้ต้องการและใช้งบข้อผิดพลาดลงมือตามนั้น
  • อธิบายบริการและการหมุนเวร ไม่ใช่บุคคล และทดสอบทุกตัวเลขหลักเทียบกับประสบการณ์ของผู้ใช้

เอกสารอ้างอิงและแหล่งอ่านเพิ่มเติม

  1. Beyer, B., Jones, C., Petoff, J., and Murphy, N. R. (eds.), Site Reliability Engineering: How Google Runs Production Systems, O'Reilly Media, 2016, chapter "Embracing Risk", https://sre.google/sre-book/embracing-risk/.
  2. Beyer, B., Jones, C., Petoff, J., and Murphy, N. R. (eds.), Site Reliability Engineering: How Google Runs Production Systems, O'Reilly Media, 2016, chapter "Service Level Objectives", https://sre.google/sre-book/service-level-objectives/.
  3. Beyer, B., Murphy, N. R., Rensin, D. K., Kawahara, K., and Thorne, S. (eds.), The Site Reliability Workbook: Practical Ways to Implement SLOs, O'Reilly Media, 2018, chapter "Implementing SLOs", https://sre.google/workbook/implementing-slos/.
  4. Forsgren, N., Humble, J., and Kim, G., Accelerate: The Science of Lean Software and DevOps, IT Revolution, 2018.
  5. Goodhart, C. A. E., "Problems of Monetary Management: The U.K. Experience," in Papers in Monetary Economics, Reserve Bank of Australia, 1975.
  6. Wikipedia, High availability.
  7. Wikipedia, Downtime.
  8. Wikipedia, Service-level agreement.
  9. Wikipedia, Service-level objective.
  10. Wikipedia, Mean time between failures.
  11. Wikipedia, Mean time to repair.
  12. Wikipedia, Synthetic monitoring.
  13. Wikipedia, Real user monitoring.
  14. Wikipedia, ITIL.

ตัวชี้วัด ITIL แบบคล่องตัว — วัดบริการไอทีแบบคล่องตัวโดยไม่บิดเบือนงาน

ซอร์สและการมีส่วนร่วม: github.com/agile-itil-metrics. สร้างด้วย Lily Design System™.

สร้างโดย Joel Parker Henderson.