SLO & Error Budgets

Терминология

Термин	Определение
SLI (Service Level Indicator)	Метрика, характеризующая качество сервиса
SLO (Service Level Objective)	Целевое значение SLI
SLA (Service Level Agreement)	Юридическое обязательство перед клиентом
Error Budget	Допустимый объём ошибок = 100% − SLO

Как это работает

SLO = 99.9% uptime

Error Budget = 0.1% = ~43 минуты downtime в месяц

Потратили 30 мин → Осталось 13 мин → Замедляем деплои
Потратили 0 мин → Бюджет полный → Можно рисковать

SLO по сервисам

Сервис	SLI	SLO	Error Budget (30 дней)
API Gateway	Availability	99.9%	43 мин
Payments	Success Rate	99.95%	21 мин
Auth	Latency (p99 < 500ms)	99.9%	43 мин
—	—	—	—

Определение SLI

Availability

SLI = (успешные запросы / все запросы) × 100%

Успешные = HTTP 2xx + 3xx
Неуспешные = HTTP 5xx (4xx НЕ считаются ошибкой сервиса)

Latency

SLI = (запросы быстрее порога / все запросы) × 100%

Пример: 99% запросов быстрее 500ms

Correctness

SLI = (запросы с корректным результатом / все запросы) × 100%

Error Budget Policy

Когда бюджет > 50%

• Нормальный режим работы
• Деплои без ограничений
• Можно проводить эксперименты

Когда бюджет 10–50%

• Осторожный режим
• Ревью каждого деплоя
• Фокус на стабильности

Когда бюджет < 10%

• Заморозка фич
• Только bugfix и reliability improvements
• Разбор причин расхода бюджета

Когда бюджет = 0%

• Полная заморозка деплоев (кроме hotfix)
• Incident review с руководством
• Возобновление после восстановления бюджета

Ревью SLO

• Еженедельно: проверка текущего расхода error budget
• Ежеквартально: ревью целевых значений SLO
• По необходимости: пересмотр после крупных инцидентов