リファレンス用語集

MTTR

平均復旧時間は、障害が始まってからサービスが再び動くまでの平均時間です。チームがどれだけ速く問題を見つけ、診断し、直すかを測ります。DORA はより狭い版である失敗したデプロイの復旧時間を測ります。

信頼性

Quorum では#

すべてのインシデントは、MTTR を示すポストモーテムで終わります。リクエストの 1% 超が失敗したカレンダー分です。ポストモーテムはその前に来た MTTD と MTTA も示します。エンジニアを 1 人置いた SRE チームはその期間を、つまり MTTR を 40% 短くします。半分の時点でユーザーに被害が出ていた時間が半分を超えたインシデントは、深刻度が 1 つ上がり 1.5 倍長く続きます。MTTR を低く保つには速く動きます。当たったノードを再起動、交換、ドレイン、フェイルオーバーし、ポストモーテムのアクションアイテムを研究します。

設計#

The incident loop

SLO・SLA・SLI、エラーバジェット、DORAメトリクス、ブラストラディウス

さらに学ぶ#