Как с помощью SLI отслеживать ошибки в работе сервиса?

С помощью SLI (Service Level Indicator) можно отслеживать ошибки в работе сервиса, измеряя его доступность, задержки и частоту ошибок. slurm.io Чаще всего в SLI включают метрики, связанные с пользовательским опытом, доступностью и производительностью, такие как время исполнения транзакций, время отклика, процент ошибок, доступность. habr.com

Некоторые типы SLI и их особенности:

• Time-Based SLI. habr.com Основывается на значениях выбранной метрики (временного ряда). habr.com Среди доступных метрик: время исполнения вызовов, количество вызовов, процент ошибок, количество вызовов, содержащих ошибку. habr.com
• Event-Based SLI. habr.com Основывается на «хороших» и «плохих» событиях. habr.com «Хорошие» события — это набор вызовов, которые указывают на положительное качество работы сервиса, например, 2хх HTTP статус-коды. habr.com «Плохие» события — это набор вызовов, которые указывают на отрицательное качество работы сервиса, например, 5хх HTTP статус-коды. habr.com
• Window-based SLI. roadit.ru Измеряют производительность и доступность сервиса в течение определённого временного окна. roadit.ru Количество успешных запросов рассчитывается за период времени. roadit.ru Этот тип SLI помогает отслеживать, оценивать и выявлять тенденции в сервисе в течение определённого временного диапазона или критических часов. roadit.ru

Для полноценного внедрения SLI потребуются инструменты, поддерживающие мониторинг, визуализацию и автоматизацию. slurm.io Некоторые из них: Prometheus + Grafana, Google Cloud Monitoring, Datadog, New Relic, Dynatrace. slurm.io