Como você define um SLI, um SLO e um SLA, e como eles se relacionam entre si?

Um SLI é um indicador medido do comportamento do serviço, como a fração de requisições atendidas abaixo de 300ms. Um SLO é a meta interna para esse indicador, por exemplo 99.9% das requisições abaixo de 300ms ao longo de 28 dias. Um SLA é o contrato externo com os clientes, normalmente com penalidades financeiras, e ele deveria ser mais frouxo que o seu SLO para você ter folga antes de dever dinheiro a alguém.

Então o SLI é a medição, o SLO é a meta e o SLA é a promessa que você vende. No meu último time o SLI da nossa API de checkout era a proporção de requisições que retornavam um status não 5xx em menos de 400ms, medida no load balancer em vez de dentro da aplicação, porque isso está mais perto do que o usuário vê. O SLO era 99.9% dessas requisições numa janela móvel de 28 dias. O nosso SLA com clientes enterprise era 99.5% ao mês com créditos de serviço atrelados, deliberadamente mais frouxo, então tínhamos uma faixa inteira de degradação para absorver antes de aquilo virar um problema comercial. O ponto que as pessoas perdem é que o SLI precisa ser uma jornada de usuário. A gente tinha um dashboard de CPU lindo e ele nunca previu uma queda sequer. Quando trocamos para indicadores baseados em requisição, passamos a conseguir discutir prioridades com o produto usando os mesmos números.