Εκθέσεις αιχμής και έλεγχοι SLA

1) Γιατί χρειαζόμαστε μια επίσημη διαδικασία uptime reporting

Εμπιστοσύνη των πελατών και διαφάνεια των συμβάσεων - ενιαία τεχνική μέτρησης, επαναλαμβανόμενοι υπολογισμοί.
SLO και διαχείριση του προϋπολογισμού σφαλμάτων - σύνδεση του γεγονότος της διαθεσιμότητας με ελευθερώσεις και περιστατικά.
Τα σωστά δάνεια SLA είναι αντικειμενικοί τύποι, προβλέψιμες πληρωμές/αντισταθμίσεις.
Νομική βιωσιμότητα - βάση τεκμηρίωσης, ανεξάρτητος έλεγχος, νομική κατοχή.

2) Όροι και όρια

SLI Διαθεσιμότητα - ποσοστό επιτυχών επικυρώσεων/συναλλαγών ανά περίοδο.
SLO - εσωτερικός στόχος (π.χ. 99. 95% σε 28 ημέρες).
SLA - εξωτερική δέσμευση (π.χ. 99. 9 %/μήνα + δάνεια εξυπηρέτησης).
Παράθυρο μέτρησης - ημερολογιακός μήνας (SLA) και παράθυρο κύλισης (SLO).
Πεδίο εφαρμογής - ποιες συνιστώσες περιλαμβάνονται στον υπολογισμό (ακμή, API, πληρωμές) και ποιες όχι (δικτυακή πύλη admin, μη prod).

3) Πηγές αλήθειας (και πότε είναι υπεύθυνος)

1. Η συνθετική (blackbox/headless) είναι το κύριο SLI για την «προσβασιμότητα χρήστη-οφθαλμού».
2. Καταγραφές/μετρήσεις - επιβεβαιώστε την κλίμακα και τη φύση της αστοχίας.
3. Οι επιχειρηματικές εκδηλώσεις είναι «επιτυχείς συναλλαγές» (για παράδειγμα, εγκεκριμένες πληρωμές).
4. Σελίδα κατάστασης - δημόσια επικοινωνία· ελέγχεται με βάση τα γεγονότα αριθ. 1-3.

Σε περίπτωση διαφορών: δίνεται προτεραιότητα στα συνθετικά με τη σωστή απαρτία από ≥2 περιφέρειες.

4) Μεθοδολογία υπολογισμού διαθεσιμότητας

4. 1 Βασικός τύπος

Availability = Успешные проверки / Все проверки
ErrorBudget = 1 − SLO
Downtime(m) = (1 − Availability) × Длительность_периода(в мин)

4. 2 Πολυπεριφερειακή απαρτία

Ένα περιστατικό υπολογίζεται εάν ≥N ανεξάρτητες περιφέρειες/ASN καταγράφουν ταυτόχρονα μια αποτυχία.
Συνιστάται: N = 2 από 3 (EU/NA/APAC).

4. 3 τύποι SLI

HTTP SLI: код 2xx/3xx, καθυστέρηση ≤ T.
DNS/TLS SLI: NXDOMAIN/SERVFAIL/λήξη.
Επιχειρήσεις SLI: επιτυχείς συναλλαγές/όλες οι απόπειρες (εξαιρουμένων των χρεοκοπιών πελατών).

4. 4 Εξαιρέσεις (τεκμηριωμένες)

Προγραμματισμένα παράθυρα συντήρησης που δηλώνονται εκ των προτέρων Ν ώρες και παρατηρούνται.
Ανωτέρα βία από την SLA (για παράδειγμα, πάροχος IX για καταστροφές) - μόνο εάν υπάρχουν αποδεικτικά στοιχεία και δημόσια ανακοίνωση.
Σφάλματα/περιορισμοί πελατών (υπέρβαση ποσόστωσης, 4xx).

5) Πολιτική συντήρησης παραθύρων

Χρονοθυρίδες που συμφωνήθηκαν στη σύμβαση (π.χ. Sun 02: 00-04: 00 UTC + 0).
«Συντήρηση = πραγματικοί» χρήστες σε επιφυλακή/πίνακες → αποκλεισμός από το SLI.
Κατώτατο όριο κοινοποίησης: τουλάχιστον 5 εργάσιμες ημέρες (ή όπως στη σύμβαση).
Εκτός παραθύρου - εξετάζεται η επίπτωση SLA.

6) Περιπτώσεις ακμών και κανόνες στρογγυλοποίησης

Brownout (μερική αποικοδόμηση): μετρήστε το ποσοστό των αστοχιών (σταθμισμένος χρόνος πτώσης), όχι «0/1».
Flapping: ελάχιστη λογιστική μονάδα - διάστημα δειγματοληψίας (π.χ. 30-60 δευτερόλεπτα) + υστερία (για: 2-5 λεπτά).
Μετατόπιση ρολογιού: κάθε φορά σε UTC και ISO-8601. Συγχρονισμός NTP.

7) Παραδείγματα PromQL (συνθετικά → uptime)

promql probe_success{job="blackbox-http"} == 1

promql histogram_quantile(0.95, sum by (le, target) (rate(probe_http_duration_seconds_bucket[5m])))

promql sum_over_time((probe_success==1)[30d]) / (30246060)

promql sum by (target) (max_over_time((probe_success==0)[3m])) >= 2

8) Παραδείγματα SQL (συγκέντρωση εκθέσεων)

sql with checks as (
select target, ts, success -- success: 1/0 from synthetic_checks where ts >=:from and ts <:to
),
agg as (
select date_trunc('month', ts) m, target,
sum(success)::float / count() as availability from checks group by 1,2
)
select m, target, availability,
(1-availability) extract(epoch from (date_trunc('month', m) + interval '1 month' - date_trunc('month', m))) / 60 as downtime_minutes from agg;

sql select a.m, a.target, a.downtime_minutes, s.incident_id, s.start_utc, s.end_utc from monthly_downtime a left join statuspage_incidents s on a.m = date_trunc('month', s.start_utc)
and tstzrange(s.start_utc, s.end_utc) && daterange(a.m, a.m + interval '1 month');

9) Υπόδειγμα μηνιαίας αναφοράς (Φιλικό προς τον πελάτη)

yaml period: "2025-10-01..2025-10-31 (UTC)"
services:
- name: "API Edge"
sla: "99.90%"
measured_availability: "99.93%"
downtime:
total: "30m 14s"
windows:
- start: "2025-10-12T03:12Z"
end:  "2025-10-12T03:38Z"
impact: "EU+NA, HTTP 5xx spike, p95>2s"
root_cause: "DB connection pool exhaustion"
rca_link: "INC-20251012-0312"
slo_budget:
period_target: "0.10%"
consumed: "0.07%"
- name: "Payments API"
sla: "99.95%"
measured_availability: "99.97%"
summary:
sla_breaches: 0 service_credits: 0 maintenance:
announced: 2 total_duration: "48m"
signatures:
generated_at: "2025-11-01T10:00Z"
report_id: "SLA-2025-10-API"

10) Πιστώσεις SLA: υπολογισμός και εφαρμογή

Πίνακας πιστώσεων: για παράδειγμα, 99. 0–99. 5% → 5% MRR· 98. 0–99. 0% → 10% κ.λπ.
Η πίστωση ισχύει ως πιστωτικό σημείωμα για τον επόμενο λογαριασμό.

Αυτοματοποίηση: "εάν 'μετρούμενη _ διαθεσιμότητα

Προβολή για τον πελάτη: κάρτα πύλης «υπόλοιπο πιστωτικών μορίων SLA».

11) Λογιστικός έλεγχος, αποδεικτικά στοιχεία και νομική κατοχή

Διαδρομή ελέγχου: ποιος/τι/πότε υπολογίζεται, έκδοση της μεθοδολογίας, έλεγχοι.
Τα ακατέργαστα δεδομένα είναι αμετάβλητα (μόνο στο προσάρτημα). προσαρμογές - με χωριστές εγγραφές.
Νόμιμη λαβή: κατάψυξη του φάσματος δεδομένων (δείγματα, αρχεία καταγραφής, κάρτες συμβάντων, καταχωρίσεις).
Αρχεία αντιγραφής - Κλειδαριά αντικειμένων WORM/S3.

12) Συμφιλίωση με τη σελίδα για το καθεστώς του κοινού

Ένα συμβάν σε μια σελίδα κατάστασης πρέπει να έχει χρονοδιάγραμμα και συστατικά στοιχεία.
Η αναντιστοιχία χρόνου/κλίμακας δημιουργείται → από την αναντιστοιχία και δημοσιεύεται από την RCA.
Η σύνοψη της έκθεσης περιλαμβάνει το τμήμα «Σημειώσεις συμφιλίωσης».

13) Περιστατικά και αναφορές

Κάθε παράθυρο downtime αντιστοιχεί σε κάρτα INC (ID, SEV, ιδιοκτήτης, RCA, CAPA).
Στην έκθεση: σύνδεση με την INC, βραχεία αιτία, καθεστώς CAPA.
Για SEV-1: μεταγενέστερα θέματα ≤ 48 ώρες από το κλείσιμο.

14) Έλεγχος της ποιότητας των δεδομένων

Υγιεινή των δειγμάτων:> 99% επιτυχημένων υπολειμμάτων παραγόντων, απουσία κενών> 5 λεπτά.
Αντιθόρυβος: απαρτία + πολλαπλά παράθυρα, αποβολή.
Καταγράφεται και τεκμηριώνεται η δειγματοληψία ιχνοστοιχείων/ημερολογίων.
Δοκιμές μεθόδου: μοναδιαίες δοκιμές υπολογισμών, χρυσά αρχεία βάσει ιστορικών δεδομένων.

15) Ασφάλεια και ιδιωτικότητα

TLS/mTLS για κατάποση, υπογραφή πακέτου (HMAC).
έκδοση PII σε αρχεία καταγραφής/εκθέσεις· Η έκθεση SLA δεν πρέπει να αποκαλύπτει προσωπικά δεδομένα.
RBAC/ABAC σχετικά με τις εκθέσεις· τα ίχνη πρόσβασης είναι γραμμένα στο ημερολόγιο ελέγχου.

16) Πίνακες και γραφικές παραστάσεις SLO (τι να δείξετε)

Συνολική διαθεσιμότητα ανά υπηρεσία για τον μήνα/τρίμηνο.
Παράθυρα downtime με σοβαρότητα και κανάλι ανίχνευσης.
Σφάλμα καύσης του προϋπολογισμού (γρήγορη/αργή) και τάσεις.
Επικάλυψη ελευθέρωσης - σημειώσεις υπολογισμών.
Πρόβλεψη πιστωτικών μορίων SLA - με την τρέχουσα τάση.

17) Σχέδιο εφαρμογής (3 επαναλήψεις)

1. Υπόδειγμα και δεδομένα (2 εβδομάδες): διόρθωση SLI/SLO/SLA, συμπεριλαμβανομένων των συνθετικών απαρτίας, συλλογή «πρώτων υλών» σε DWH.
2. Υπολογισμός και αναφορά (2-3 εβδομάδες): τύποι, SQL/PromQL, YAML/PDF πρότυπα, πύλη πελατών, αυτόματες πιστώσεις.
3. Έλεγχος και αυτοματοποίηση (3-4 εβδομάδες): Νόμιμη κράτηση, συμφιλίωση με σελίδα κατάστασης, υπογεγραμμένα webhooks, κανονισμοί διαφορών.

18) Κατάλογος ελέγχου ποιότητας της έκθεσης

• Πεδίο εφαρμογής, SLI, μέθοδος και παράθυρο μέτρησης.
• Υπάρχει απαρτία και πολλαπλά παράθυρα? καταστέλλεται το πτερύγιο.
• Οι εξαιρέσεις (συντήρηση/ανωτέρα βία) τεκμηριώνονται.
• Κάθε παράθυρο downtime συνδέεται με INC και RCA.
• Υπολογίζονται οι πιστώσεις SLA και αποτυπώνονται στη χρέωση.
• Αναφέρεται αναπαραγώγιμο (τύπος/εκδόσεις δεδομένων).
• Συμπεριλαμβάνονται η διαδρομή ελέγχου και η νομική συγκράτηση.
• Η σελίδα για το καθεστώς του κοινού συμφιλιώνεται.

19) Mini-FAQ

Γιατί τα συνθετικά είναι η κύρια πηγή

Είναι πιο κοντά στη διαδρομή του χρήστη και περιλαμβάνει περίμετρο (DNS/CDN/WAF). Μετρήσεις/καταγραφές - αποσαφήνιση του λόγου.

Πώς να μετρήσετε τη μερική υποβάθμιση

Σταθμισμένος χρόνος διακοπής: η αναλογία αστοχιών × η διάρκεια του παραθύρου και όχι «όλα ή τίποτα».

Πρέπει να αποθηκεύσω «ακατέργαστους» ελέγχους

Ναι, το έκανα. Για τον έλεγχο και τον επανυπολογισμό μιας διαφοράς - απαιτείται ακατέργαστο υλικό.

Αποτέλεσμα

Οι εκθέσεις uptime και οι έλεγχοι SLA δεν αποτελούν «αριθμητικό στοιχείο στο τέλος του μήνα», αλλά ένα αναπαραγώγιμο σύστημα μετρήσεων, κανόνων και αποδεικτικών στοιχείων: ορθές SLI, έλεγχοι απαρτίας, διαφανείς τύποι, σύνδεση με συμβάντα και τιμολόγηση, έλεγχος εξαίρεσης και νομικός περιορισμός. Καταγραφή της μεθοδολογίας, αυτοματοποίηση του υπολογισμού και των πιστώσεων, διατήρηση της διαδρομής του ελέγχου - και οι SLA σας θα γίνουν διαχειρίσιμες, κατανοητές και ασφαλείς.