Che cosa significano davvero i «nove»
La disponibilità (availability, uptime) è la quota di tempo in cui un servizio funziona. Il downtime consentito si calcola in modo semplice: downtime consentito = (100 % − disponibilità) × durata del periodo. Sulla carta tra 99,9 % e 99,99 % c’è un solo nove di differenza, in pratica un decimo del downtime consentito.
| Disponibilità | Al giorno | Al mese (30 giorni) | All’anno (365 giorni) |
|---|---|---|---|
| 99 % | 14 min 24 s | 7 h 12 min | 3 g 15 h 36 min |
| 99,5 % | 7 min 12 s | 3 h 36 min | 1 g 19 h 48 min |
| 99,9 % | 1 min 26 s | 43 min 12 s | 8 h 45 min 36 s |
| 99,95 % | 43 s | 21 min 36 s | 4 h 22 min 48 s |
| 99,99 % | 8,6 s | 4 min 19 s | 52 min 34 s |
| 99,999 % | 0,86 s | 26 s | 5 min 15 s |
La maggior parte degli SLA misura la disponibilità per mese di calendario, quindi a febbraio il downtime consentito è più breve che a gennaio. Il dato annuale serve per i confronti, ma nel contratto conta quello mensile. I valori esatti per qualsiasi percentuale e periodo li ottiene con lo strumento di calcolo SLA in questa pagina.
SLA, SLO e SLI: tre sigle, tre cose diverse
I termini vengono spesso confusi, ma descrivono livelli diversi. Il libro di Google «Site Reliability Engineering» li distingue così:
- SLI (Service Level Indicator) è un valore misurato, ad esempio la quota di richieste riuscite, la quota di minuti in cui il servizio risponde o il tempo di risposta.
- SLO (Service Level Objective) è il valore obiettivo per quell’indicatore, ad esempio il 99,95 % di richieste riuscite nel mese di calendario. È un obiettivo interno del team.
- SLA (Service Level Agreement) è il contratto con il cliente che contiene il livello promesso e le conseguenze se non viene raggiunto, di solito un credito di servizio.
Uno SLO interno è quindi di norma più severo dello SLA promesso ai clienti. La differenza tra obiettivo e stato reale l’SRE la chiama error budget: finché ce n’è abbastanza, il team può rilasciare modifiche; quando si esaurisce, la priorità passa alla stabilità.
Che cosa uno SLA di solito non conteggia
La percentuale nel contratto è solo metà dell’informazione. L’altra metà è la definizione di disservizio e l’elenco delle esclusioni. Leggendo uno SLA verifichi in particolare:
- La manutenzione programmata. Molti fornitori escludono dal calcolo le finestre di manutenzione annunciate in anticipo. Per gli utenti il servizio resta comunque irraggiungibile, quindi controlli durata, frequenza e collocazione delle finestre fuori dal Suo orario lavorativo.
- La definizione di disservizio. Conta solo l’interruzione totale o anche quella parziale? Per la disponibilità regionale di EC2, ad esempio, AWS conta un disservizio solo quando tutte le Sue istanze in esecuzione in due o più zone di disponibilità perdono contemporaneamente la connettività esterna.
- Il periodo di misurazione. Mensile, trimestrale o annuale. Con un periodo annuale un singolo disservizio lungo può essere «diluito» sull’intero anno.
- Chi misura. Se vale il monitoraggio del fornitore o il Suo e con quale rapidità deve segnalare un disservizio.
- Le esclusioni. Forza maggiore, errori lato cliente, problemi di rete fuori dall’ambito del fornitore e servizi in anteprima sono quasi sempre esclusi.
I crediti di servizio non sono un’assicurazione
Se il fornitore non raggiunge il livello promesso, di solito Le spetta un credito di servizio, cioè un rimborso parziale del canone mensile per il servizio interessato. Per Amazon EC2, ad esempio, è del 10 % quando la disponibilità mensile scende sotto il livello promesso, del 30 % sotto il 99 % e del 100 % sotto il 95 %, e la richiesta va presentata entro la fine del secondo ciclo di fatturazione successivo all’incidente.
Un esempio: il servizio costa 2.000 EUR al mese e un fermo dura 4 ore in un mese di 30 giorni. La disponibilità scende al 99,44 % e riceve un credito del 10 %, cioè 200 EUR. Se un’ora di fermo Le costa 1.500 EUR, il danno è di 6.000 EUR. Il credito è un incentivo per il fornitore, non un risarcimento per Lei. Nella scelta del fornitore conta quindi più un’architettura che previene i fermi dell’entità del credito.
Disponibilità dell’intero sistema: catene e ridondanza
Un negozio online ha bisogno di connessione Internet, server applicativo e database. Se un anello si guasta, il negozio è fermo. Per i componenti in serie le disponibilità si moltiplicano: A = A₁ × A₂ × … × Aₖ. Tre componenti al 99,9 %, 99,9 % e 99,95 % danno insieme il 99,75 %, cioè quasi 22 ore di fermo all’anno invece di 8 ore e 46 minuti. Ogni componente aggiuntivo abbassa la disponibilità.
La ridondanza funziona al contrario. Per un gruppo di n istanze uguali in cui ne basta una vale A = 1 − (1 − a)ⁿ. Due server al 99 % ciascuno raggiungono insieme il 99,99 %, due al 99,9 % addirittura il 99,9999 %. La condizione è che si guastino in modo indipendente. Alimentazione condivisa, lo stesso switch, la stessa versione software difettosa o un failover automatico non riuscito fanno cadere questa ipotesi, per cui la disponibilità reale dei sistemi ridondanti è inferiore a quella calcolata.
Un consiglio pratico: individui prima l’anello debole, perché migliorarlo dà il beneficio maggiore. Spesso non è un server, ma un’unica connessione Internet, un unico firewall o un database senza replica.
SLA, RPO e RTO
Lo SLA stabilisce quanto downtime è consentito in un periodo. L’RTO (Recovery Time Objective) indica entro quanto tempo un sistema deve tornare operativo dopo un singolo incidente, l’RPO (Recovery Point Objective) quanti dati si possono perdere. I valori devono essere coerenti: se l’RTO di un sistema critico è di 4 ore, un solo incidente grave consuma più di quanto consenta uno SLA mensile del 99,9 % (43 minuti). Uno SLA elevato richiede quindi replica e failover rapido, non solo buoni backup.
Come fissare RPO e RTO per gruppi di sistemi e verificare se il ripristino li rispetta lo spiega la guida backup, RPO e RTO.
Checklist per il contratto SLA
- Stabilisca con la direzione quanto costa un’ora di fermo e quanto downtime al mese è ancora accettabile.
- Mappi le dipendenze del servizio e calcoli la disponibilità dell’intera catena, non solo dei singoli componenti.
- Verifichi la definizione di disservizio, il periodo e il metodo di misurazione.
- Verifichi durata, frequenza e orario delle finestre di manutenzione programmata.
- Legga l’elenco delle esclusioni e la procedura e il termine per richiedere i crediti.
- Oltre alla disponibilità, chieda tempi di risposta e di risoluzione del supporto per priorità.
- Allinei lo SLA con RPO, RTO e piano di disaster recovery.
- Introduca un monitoraggio indipendente della disponibilità e un report mensile.
Humanfrog gestisce infrastrutture in data center TIER III in Slovenia e progetta architetture ridondanti e monitoraggio. Se desidera verificare i risultati del calcolatore con un esperto o far esaminare uno SLA esistente, ci scriva.