Come si calcola l'accordo sul livello di servizio composto (SLA) per i servizi cloud?

I servizi cloud ospitati da Amazon Web Services , Azure , Google e molti altri pubblicano il S ervizio L evel A greement , o SLA, per i singoli servizi che forniscono. Architetti, ingegneri di piattaforma e sviluppatori sono quindi responsabili di metterli insieme per creare un'architettura che fornisca l'hosting per un'applicazione.

Presi in isolamento, questi servizi di solito forniscono qualcosa nell'intervallo da tre a quattro nove di disponibilità:

• Azure Traffic Manager: 99,99% o "quattro nove".
• SQL Azure: 99,99% o "quattro nove".
• Servizio app di Azure: 99,95% o "tre nove cinque".

Tuttavia, se combinati insieme in architetture esiste la possibilità che un singolo componente possa subire un'interruzione con conseguente disponibilità complessiva che non è uguale ai servizi del componente.

Disponibilità del composto seriale

In questo esempio ci sono tre possibili modalità di errore:

• SQL Azure non è attivo
• Il servizio app non è attivo
• Entrambi sono in calo

Pertanto la disponibilità complessiva di questo "sistema" deve essere inferiore al 99,95%. La mia logica per pensare questo è se lo SLA per entrambi i servizi era:

Il servizio sarà disponibile 23 ore su 24

Poi:

• Il servizio app potrebbe essere disponibile tra 0100 e 0200
• Il database esce tra 0500 e 0600

Entrambe le parti componenti sono nel loro SLA ma il sistema totale non è stato disponibile per 2 ore su 24.

Disponibilità seriale e parallela

In questa architettura ci sono un gran numero di modalità di errore, principalmente:

• SQL Server in RegionA non è attivo
• SQL Server in RegionB non è attivo
• Il servizio app in RegionA non è attivo
• Il servizio app in RegionB non è attivo
• Gestione traffico non è attivo
• Combinazioni di cui sopra

Poiché Traffic Manager è un interruttore, è in grado di rilevare un'interruzione in entrambe le regioni e instradare il traffico verso l'area di lavoro, tuttavia esiste ancora un singolo punto di errore sotto forma di Traffic Manager, quindi la disponibilità totale del "sistema" non può essere superiore al 99,99%.

In che modo è possibile calcolare e documentare la disponibilità composta dei due sistemi sopra indicati per l'azienda, potenzialmente richiedendo una nuova ricerca se l'azienda desidera un livello di servizio superiore a quello che l'architettura è in grado di fornire?

Se vuoi annotare i diagrammi, li ho creati in Lucid Chart e ho creato un collegamento multiuso, tieni presente che chiunque può modificarlo in modo da poter creare una copia delle pagine da annotare.

Lo prenderei come un problema di matematica con lo SLA che ha la probabilità di essere OK.

In questo caso possiamo fare affidamento sulle regole di probabilità per ottenere un totale.

Per il tuo primo caso, la probabilità che il servizio app (A) e il servizio Sql (B) siano inattivi contemporaneamente è il prodotto della loro probabilità:

P(A)*P(B) = 0.0005 * 0.0005 = 0,00000025

La probabilità che uno di questi sia in calo è la somma della loro probabilità:

P(A)+P(B) = 0.001

Quando due eventi sono indipendenti la formula risultante da prendere in considerazione la probabilità che entrambi siano in calo è:

P(A,B) = P(A) + P(B) - P(A)*P(B) = 0.001 - 0,00000025 = 0,00099975

Quindi lo SLA complessivo sarebbe 1 - 0,00099975 = 0,99900025in percentuale99.900025 %

Una semplificazione è il prodotto del primo probabilità: 0.9995 * 0.9995 = 0,99900025.

Applicato all'interruzione di 1h / 24h (4.166666% di un giorno) ciò dà (i decimali sono abbreviati):

0.0416 + 0.0416 - (0.0416 * 0.0416) = 0,081597222

Quindi la probabilità di essere OK è 1 - 0.0816 = 0.9184in percentuale:91,84%

24 * 0.0816 = 1.95 h

Questo è meno del caso peggiore di 2 ore perché c'è una possibilità che entrambi siano inattivi contemporaneamente.

Tenendo presente questo, potresti notare la disponibilità per ciascuno 95,84%e 0,958333333 * 0,958333333 = 0,918402778quale è il nostro 91.84%dall'alto (scusami per i decimali completi qui, ma sono necessari per la dimostrazione)

Ora per il tuo secondo caso, inizieremo a guadagnare dalla nostra probabilità composta per ogni regione (mi dispiace di aver ignorato la modifica per SQL per mantenerla ragionevole), supponendo che non ci sia probabilità indipendente per la regione stessa e che ogni regione sia isolata e come tale un errore DB ne riduce solo la regione.

Abbiamo la probabilità OK del gestore del traffico P(T) = 0.9999e ogni app + coppia DB con una probabilità OK P(G) = 0,99900025da

Quanta regione abbiamo un ruolo in quanto dobbiamo applicare il prodotto della probabilità di fallimento solo per ottenere la probabilità che entrambe le regioni siano in calo allo stesso tempo: il
0,00099975 * 0,00099975 = 0,0000009995000625che significa una disponibilità complessiva di almeno una regione di99,049375 %

Ora disponiamo della disponibilità complessiva delle regioni, il prodotto con il gestore del traffico ci fornisce la disponibilità complessiva del sistema:

0.9999 * 0,9999990004999375 = 0,99989900059988750625

La disponibilità complessiva è 99.989900 %

Un'altra fonte come spiegazione è disponibile sui documenti di Azure (link per gentile concessione di Raj Rao )

Dopo aver letto l'eccellente risposta di Tensibai , mi sono reso conto che ero in grado di calcolarlo ai fini dell'analisi della rete. Ho estratto la mia copia di Fondamenti di rete ad alta disponibilità di Chris Oggerino e ho avuto una crepa nel risolvere questo problema, non proprio i primi presidi.

Prendere il mio esempio seriale direttamente dalla risposta di Tensibai è semplicemente un caso di moltiplicazione della probabilità che ciascun componente sia disponibile all'altro:

Così

99,95% * 99,95% = 99,9%

Calcolarlo in parallelo è un po 'più complicato in quanto dobbiamo considerare quale sarà la percentuale di disponibilità non disponibile:

Il calcolo viene eseguito come segue:

1. Moltiplicare il ONU disponibilità delle due regioni insieme.

   0,1% * 0,1% = 0,0001%

2. Converti questo in disponibilità

   100% - 0,0001% = 99.9999%

3. Moltiplicare la disponibilità di Gestione traffico per la disponibilità delle due aree.

   99,99% * 99,9999% = 99,9899%

4. Il risultato è l'intera disponibilità del sistema.

   Il 99,9899% è vicino al 99,99%

Ho finito con Excel per eseguire i calcoli, ecco i valori:

... e le formule ...