The DigitalOcean Blog
·
从事件计数到服务级别指标：DigitalOcean如何重新思考可用性
💡
原文英文，约2300词，阅读约需9分钟。
📝
内容提要
本文讨论了DigitalOcean改进可用性测量的方法。通过将可用性分为控制平面和数据平面，并采用不同的服务级别指标(SLI)，公司能够更准确地反映客户体验。新方法解决了旧指标的局限性，确保合理评估不同故障类型，并引入错误预算政策以指导工程优先级和产品开发。
🎯
关键要点
-
DigitalOcean在2025年初重新审视内部可用性数据，发现与客户体验不符。
-
旧的可用性测量方法基于事件，未能准确反映客户的实际可用性。
-
新方法将可用性分为控制平面和数据平面，采用不同的服务级别指标(SLI)。
-
控制平面关注API调用和云控制面板操作，数据平面关注实际产品实例的可用性。
-
通过加权请求平均法，确保不同数据中心的故障影响被合理反映。
-
引入错误预算政策，指导工程优先级和产品开发，确保团队在不同情况下的决策。
-
新框架适用于核心产品和新产品线，确保可用性测量反映客户真实体验。
❓
延伸问答
DigitalOcean是如何改进可用性测量的？
DigitalOcean通过将可用性分为控制平面和数据平面，并采用不同的服务级别指标(SLI)，来更准确地反映客户体验。
旧的可用性测量方法存在哪些局限性？
旧的方法基于事件计数，未能准确反映客户的实际可用性，且将所有事件视为完全故障，导致无法合理评估低严重性问题。
控制平面和数据平面的区别是什么？
控制平面关注API调用和云控制面板操作，而数据平面关注实际产品实例的可用性，二者采用不同的SLI方法。
DigitalOcean是如何处理不同数据中心的故障影响的？
DigitalOcean采用加权请求平均法，确保不同数据中心的故障影响被合理反映，避免小数据中心对整体可用性指标的过度影响。
什么是错误预算政策，它如何影响工程优先级？
错误预算政策是可用性目标的逆向指标，直接影响团队的决策和时间分配，确保在不同情况下的响应策略。
DigitalOcean的新可用性测量框架适用于哪些产品？
新框架适用于核心产品和新产品线，包括GPU Droplets和推理云产品，确保可用性测量反映客户真实体验。
➡️
