8、家得宝的服务级别目标（SLO）实践之旅

家得宝的服务级别目标（SLO）实践之旅

1. 背景与转型

随着向微服务架构的转变，系统中的软件被拆分成不断变化的小块，且需要跨栈集成。同时，引入了“自由与责任文化”的全栈所有权模式，开发者可自主推送代码，但需共同负责服务的运营。在这种模式下，服务之间需要清晰了解彼此的可靠性、延迟、处理请求量等信息，这就需要服务级别目标（SLO）来促进团队间的沟通与协作。

在转型前，家得宝缺乏SLO文化。监控工具和仪表盘分散，无法有效跟踪数据，难以定位故障根源，计划内停机常让依赖服务措手不及，团队也不清楚依赖服务能否满足自身可靠性要求，这些问题导致开发和运营团队之间的困惑和失望。

为解决这些问题，家得宝采取了以下四个方面的策略来建立SLO文化：
- 通用术语 ：在公司背景下定义SLO，并确定一致的测量方法。
- 推广宣传 ：在公司内传播SLO的重要性，包括创建培训材料、举办路演、发布内部博客、制作宣传物料等，还招募早期采用者展示SLO的价值，建立易记的首字母缩写词（VALET），并创建培训项目（FiRE学院）。
- 自动化 ：实施指标收集平台，自动收集生产环境中服务的服务级别指标（SLI），以便后续转化为SLO。
- 激励措施 ：为所有开发经理设定年度目标，要求他们为服务设定和测量SLO。

2. 确定通用术语与指标

建立通用术语对于让大家达成共识至关重要，且框架应尽量简单以促进理念传播。通过分析各服务的监控指标，发现各服务都会监控流量、延迟、错误和利用率等指标，与谷