Fehlerbudget- und Burn-Rate-Rechner

Burn-Rate auf einen Blick

Die Burn-Rate gibt an, wie schnell Sie das Budget verbrauchen, verglichen mit dem Tempo, das es genau über das Zeitfenster aufbrauchen würde. So wirkt sich jede Rate auf ein 30-Tage-Budget aus.

Eine dauerhafte Rate von 1× beendet das Zeitfenster ohne Reserve. Alles darüber bedeutet, dass das Budget früher aufgebraucht ist.

SLI, SLO, SLA: die drei Kürzel

Fangen Sie hier an, denn das Budget baut auf ihnen auf. Ein SLI ist das, was Sie messen, etwa der Anteil erfolgreicher Anfragen. Ein SLO ist das Ziel, das Sie für diesen Wert festlegen, sagen wir 99,9 %. Ein SLA ist das Versprechen, das Sie einem Kunden vertraglich geben, meist mit einem lockereren Wert und Geld, das fällig wird, wenn Sie ihn verfehlen. Sie arbeiten auf das SLO hin, damit Sie dem SLA nie nahe kommen.

was sind „die Neunen“?

SRE-Teams sprechen oft in „Neunen“. Das ist die Kurzform für ein Zuverlässigkeitsziel, benannt danach, wie viele Neunen am Anfang des Prozentwerts stehen: 99 % sind „zwei Neunen“, 99,9 % „drei Neunen“, 99,99 % „vier Neunen“. Jede weitere Neun verringert die erlaubte Ausfallzeit etwa um das Zehnfache und kostet meist etwa zehnmal mehr Engineering. Statt eine genaue Zahl zu nennen, sagt man also „wir laufen mit drei Neunen“ oder „gehen wir auf vier Neunen?“. Die Zwischenstufen wie 99,5 % und 99,95 % füllen die große Lücke zwischen den vollen Neunen, und genau dort liegen viele reale Ziele. Unter zwei Neunen ist bei allem, wofür Menschen bezahlen, selten. Die Zahlen auf dieser Seite, 43 Minuten im Monat bei drei Neunen und etwa vier bei vier Neunen, sind nichts anderes als diese Neunen in Zeit umgerechnet.

wie berechnet man ein Fehlerbudget?

Ihr SLO liegt nie bei 100 %, und die Lücke ist der Ausfall, der Ihnen zusteht. Multiplizieren Sie diese Lücke mit der Länge des Zeitfensters, und Sie erhalten echte Zeit, die Sie verbrauchen können.

Drei Neunen heißen also nicht „nie ausfallen“. Sie sind ein Kontingent von 43 Minuten pro Monat, für ein misslungenes Deployment, eine langsame Abhängigkeit oder einen Retry-Sturm. Sobald es bei null ist, ist das Ziel verfehlt.

wie viel Fehlerbudget habe ich verbraucht?

Messen Sie die Verfügbarkeit, die Sie tatsächlich geliefert haben: Die Ausfallzeit, die Sie hatten, ist das Budget, das Sie verbraucht haben. Was übrig bleibt, ist Ihr Spielraum, bevor das SLO verfehlt wird.

Burn-Rate: Ihr Tachometer

Die Summe sagt Ihnen, wie viel; die Burn-Rate sagt Ihnen, wie schnell. Sie vergleicht die Fehlerrate, mit der Sie gerade laufen, mit der, die das SLO erlaubt.

Eine Burn-Rate von 1× verbraucht genau das ganze Zeitfenster. Unter 1× sparen Sie Budget für später; über 1× können Sie die Frist direkt an der Rate ablesen.

Deshalb beobachten Alarme die Rate, nicht die Summe. Eine Burn-Rate von 14,4× verbraucht 2 % eines Monats in einer einzigen Stunde, der klassische Fast-Burn-Auslöser, und sie schlägt an, solange noch Budget zu retten ist.

warum nicht einfach 100 % anstreben?

Weil kaum jemand den Unterschied bemerkt und die Kosten brutal sind. Ab einem gewissen Punkt begrenzen Telefon, WLAN und Provider Ihrer Nutzer das Erlebnis, sodass ein Sprung, den sie nie spüren, zehnmal so viel Engineering kosten kann. Google sagt es deutlich: 100 % ist für praktisch alles das falsche Zuverlässigkeitsziel. Das Budget gibt es, damit Sie keine Neunen jagen, die niemand bemerkt, und den Aufwand dort einsetzen, wo er wirklich etwas bewegt. Der SLA-Rechner enthält die vollständige Tabelle der Ausfallzeit pro Neun, falls Sie Ziele vergleichen möchten.

Burn-Rate in Alarme übersetzen

Ein einzelner Schwellenwert alarmiert entweder zu spät oder schlägt grundlos Alarm. Die übliche Lösung kombiniert ein langes Zeitfenster, das den Trend bestätigt, mit einem kurzen, das den Alarm schnell wieder aufhebt, sobald Sie das Problem behoben haben. Beide müssen brennen, damit er auslöst. Das sind die gängigen Voreinstellungen für ein 30-Tage-Budget.

Der schnelle Alarm fängt einen plötzlichen Ausfall ab; das langsame Ticket fängt ein leises Leck ab, das den Monat trotzdem leeren würde. Dasselbe Budget, zwei Geschwindigkeiten.

das Budget ist eine Regel, nicht nur eine Zahl

Die Rechnung ist der einfache Teil. Der Wert entsteht, wenn Sie vorab vereinbaren, was passiert, wenn das Budget aufgebraucht ist: Riskante Releases pausieren, und das Team investiert in Zuverlässigkeit, bis sich der Wert erholt hat. Solange das Budget gesund ist, liefern Sie schnell und gehen das Risiko ein, denn genau dafür ist es da. Eine Regel hält alle ehrlich: Wenn Sie Ihr Budget nie verbrauchen, ist Ihr SLO zu streng, und Sie kaufen Zuverlässigkeit, nach der kein Nutzer gefragt hat. Eine ausführlichere Erklärung mit den Formeln finden Sie unter Fehlerbudgets erklärt.

Häufige Fragen