Comment définissez-vous un SLI, un SLO et un SLA, et quel est le lien entre eux ?

Un SLI est un indicateur mesuré du comportement du service, par exemple la fraction de requêtes servies en moins de 300ms. Un SLO est la cible interne pour cet indicateur, par exemple 99,9% des requêtes sous 300ms sur 28 jours. Un SLA est le contrat externe avec les clients, en général assorti de pénalités financières, et il doit être plus lâche que votre SLO pour vous laisser de la marge avant de devoir de l'argent à quiconque.

Donc un SLI c'est la mesure, un SLO c'est la cible, et un SLA c'est la promesse que vous vendez. Dans ma dernière équipe, le SLI de notre API de paiement était la proportion de requêtes renvoyant un statut non 5xx en moins de 400ms, mesurée au niveau du load balancer et pas à l'intérieur de l'application, parce que c'est plus proche de ce que voit l'utilisateur. Le SLO était de 99,9% de ces requêtes sur une fenêtre glissante de 28 jours. Notre SLA avec les clients grands comptes était de 99,5% par mois avec des avoirs de service attachés, volontairement plus lâche, pour avoir toute une bande de dégradation à absorber avant que ça ne devienne un problème commercial. Ce que les gens ratent, c'est que le SLI doit être un parcours utilisateur. On avait un magnifique tableau de bord CPU et il n'a jamais prédit une seule panne. Une fois passés à des indicateurs basés sur les requêtes, on a pu discuter priorités avec le produit avec les mêmes chiffres.