DEV Community
·
实践中的错误预算：基于数据的风险与发布管理方法
💡
原文英文，约2400词，阅读约需9分钟。
📝
内容提要
CoinGecko提供公共API和Pro API，后者有严格的服务水平协议(SLA)。团队通过风险指标管理可用性目标，设定每月最大43.2分钟的停机时间，以确保客户满意度。通过分析历史数据和故障，团队识别风险并优化服务，提升系统可靠性。
🎯
关键要点
- CoinGecko提供公共API和Pro API，Pro API有严格的服务水平协议(SLA)。
- 团队通过风险指标管理可用性目标，设定每月最大43.2分钟的停机时间。
- SLA和SLO的区别在于，SLO的阈值高于SLA，以便在问题影响客户之前捕捉到它们。
- 错误预算是SLO的反面，允许进行维护和改进。
- 通过分析历史数据和故障，团队识别风险并优化服务，提升系统可靠性。
- 风险分类帮助团队了解哪些类别导致最多的故障。
- 计算每个风险的ETTD、ETTR和ETTF，以评估其对用户的影响。
- 风险堆栈排名根据每年造成的坏分钟数对风险进行排序。
- 实施错误预算需要全员了解政策，特别是工程和产品团队。
- 根据风险级别对部署进行分类，以确保系统稳定性和SLO的恢复。
❓
延伸问答
CoinGecko的Pro API有什么特点？
CoinGecko的Pro API有严格的服务水平协议(SLA)，确保客户满意度和信任。
什么是错误预算，它的作用是什么？
错误预算是SLO的反面，允许进行维护和改进，帮助团队在可接受的停机时间内进行部署和优化。
如何计算SLO和SLA的差异？
SLO的阈值高于SLA，以便在问题影响客户之前捕捉到它们，SLA为99.9%时，SLO可能为99.95%或99.99%。
团队如何识别和管理风险？
团队通过分析历史数据和故障，分类风险，计算ETTD、ETTR和ETTF，以评估其对用户的影响。
实施错误预算需要哪些团队的配合？
实施错误预算需要全员了解政策，特别是工程和产品团队的配合。
如何根据风险级别分类部署？
根据风险级别对部署进行分类，以确保系统稳定性和SLO的恢复。
➡️
