🖥️ আইটি অপারেশন — সাইট নির্ভরযোগ্যতা লাইভ মডেল

ভিত্তি — সংখ্যার পেছনের মডেল

সিমুলেটরের ব্যবহৃত প্রতিটি সম্পর্ক, তার উৎসসহ। অনুমান হিসেবে চিহ্নিত ধ্রুবকগুলো দৃষ্টান্তমূলক ক্যালিব্রেশন।

অনুরোধ দৈনিক বক্ররেখা ও বিঘ্ন অনুসরণ করে; প্রতি মিনিটের সংখ্যা এলোমেলো (পয়সঁ, স্বাভাবিক আসন্নকরণ) এবং সামান্য ঝোঁকযুক্ত।

λ(t) = base × (1 + 0.25·sin(2π(t + clock − 6 h)/24 h)) × surge(t), clock = time of day at the start (peak at 12:00); count/min ≈ N(60λ, √(60λ)) × (1 + N(0, 0.02))[6]অনুমান: ওয়ার্কারের সংখ্যা, সার্ভিস সময়, ডাটাবেসের সক্ষমতা, ক্যাশের আকার, পূরণের গতি, দাম এবং খারাপ বিল্ডের ত্রুটির হার মাঝারি ওয়েব সার্ভিসের দৃষ্টান্তমূলক মান।

Erlang C: M/M/N ব্যবস্থায় একটি অনুরোধকে ফাঁকা ওয়ার্কারের জন্য অপেক্ষা করতে হওয়ার সম্ভাবনা।

N = instances × 16 workers, a = λ·S; C(a, N) = B / (1 − (a/N)(1 − B)), B = Erlang B[3][6]

অপেক্ষা-সময়ের লেজ: t-এর চেয়ে বেশি অপেক্ষার সম্ভাবনা সূচকীয়ভাবে কমে; 2 s টাইমআউটে যে অনুরোধ এখনও অপেক্ষায়, তা ব্যর্থ হয়। সক্ষমতার বেশি অংশ ব্যর্থ হয়।

P(W > t) = C·e^(−(N/S − λ)·t); timeouts = P(W > 2 s); a ≥ N ⇒ failed share = 1 − N/a[3]

সার্ভিস-সময় ও অপেক্ষা-সময়ের কোয়ান্টাইল থেকে p99 লেটেন্সি।

p99 ≈ S·ln 100 + ln(C/0.01)/(N/S − λ) (service + waiting quantile, an approximation)[3][6]আনুমানিক: সেবা ও অপেক্ষার কোয়ান্টাইল যোগ করা তাদের যোগফলের সঠিক p99 নয় (একটু বেশি বা কম হতে পারে); প্রতি মিনিটের মধ্যে সারিকে স্থিতিশীল ধরা হয় কারণ অনুরোধ মিলিসেকেন্ড নেয়।

লিটলের সূত্র: ব্যস্ত ওয়ার্কার = আগমনের হার × সার্ভিসে সময়।

busy workers L = λ·S ⇒ utilization = λ·S / N[4]

TTL ক্যাশ: এলোমেলো অনুরোধে প্রতিটি মিস একটি TTL সময় শুরু করে, যার মধ্যে অনুরোধ হিট করে।

hit = warm × rT/(1 + rT), r = λ / 20,000 objects; mean age of a cached answer ≈ T/2[5]

ক্যাশ মিস ডাটাবেসে লোড দেয়; তার সারির বিলম্ব তাকে ছোঁয়া প্রতিটি অনুরোধ ধীর করে, যা অ্যাপ ওয়ার্কারদেরও ভরিয়ে তোলে।

DB load = λ·q·(1 − hit); query time = 5 ms/(1 − ρ_db) (≤ 250 ms); S = S_app + (1 − hit)·q·query time[6]অনুমান: ওয়ার্কারের সংখ্যা, সার্ভিস সময়, ডাটাবেসের সক্ষমতা, ক্যাশের আকার, পূরণের গতি, দাম এবং খারাপ বিল্ডের ত্রুটির হার মাঝারি ওয়েব সার্ভিসের দৃষ্টান্তমূলক মান।

SLO ও ত্রুটি বাজেট: বার্ন রেট বলে বাজেট অনুমোদিতের চেয়ে কত গুণ দ্রুত খরচ হচ্ছে।

budget = 1 − SLO = 0.1 %; burn = error rate / 0.1 %; Δbudget per min = burn / 43,200; burn (1 h) = mean error rate over the last 60 min / 0.1 % (window pre-filled with the opening minute)[1][2]

বুট বিলম্ব ও কুলডাউনসহ লক্ষ্য-অনুসরণকারী অটোস্কেলার।

desired = ⌈serving × utilization / target⌉ (utilization saturates at 100 %); new instances serve after the boot delay[6]অনুমান: ওয়ার্কারের সংখ্যা, সার্ভিস সময়, ডাটাবেসের সক্ষমতা, ক্যাশের আকার, পূরণের গতি, দাম এবং খারাপ বিল্ডের ত্রুটির হার মাঝারি ওয়েব সার্ভিসের দৃষ্টান্তমূলক মান।

মডেলে ব্যবহৃত অন্যান্য পরিচালনা ধ্রুবক।

16 workers/instance · app time 50 ms (+20 ms and +1 query with the feature on) · 2 queries/request · DB 4,000 queries/s · 20,000 hot objects · cache refill τ = 30 min (slower while the DB is saturated) · warm-up job +12 %/min for 6 min, +600 queries/s · timeout 2 s · 30 % low-priority traffic · bad build +5 % errors, ×1.25 CPU · rollback 5 min · $0.40 per instance-hour · scale-in by ≤ 20 % of the fleet after 10 quiet minutes · up to 40 instancesঅনুমান: ওয়ার্কারের সংখ্যা, সার্ভিস সময়, ডাটাবেসের সক্ষমতা, ক্যাশের আকার, পূরণের গতি, দাম এবং খারাপ বিল্ডের ত্রুটির হার মাঝারি ওয়েব সার্ভিসের দৃষ্টান্তমূলক মান।

এলোমেলোতা: সিডযুক্ত mulberry32 জেনারেটর; ব্যবহৃত বণ্টন — সুষম, সূচকীয় (বিপরীত CDF), স্বাভাবিক (Box–Muller), পয়সঁ (Knuth)। সিড দেখানো হয় এবং শেয়ার করা যায়।

উৎস

1. Site Reliability Engineering — Ch. 3 Embracing Risk (error budgets), Ch. 4 Service Level Objectives — Beyer, Jones, Petoff, Murphy (eds.), O'Reilly, 2016
2. The Site Reliability Workbook — Ch. 5 Alerting on SLOs (burn rate; 14.4× over 1 h = 2 % of a 30-day budget) — Beyer, Murphy, Rensin, Kawahara, Thorne (eds.), O'Reilly, 2018
3. Teletraffic Engineering Handbook — Erlang C formula; waiting-time distribution for M/M/n, FCFS — ITU-D Study Group 2 Question 16/2 (V. B. Iversen), 2005
4. J. D. C. Little — A Proof for the Queuing Formula: L = λW — Operations Research 9(3):383–387, 1961
5. J. Jung, A. W. Berger, H. Balakrishnan — Modeling TTL-based Internet Caches — IEEE INFOCOM 2003, 2003
6. M. Harchol-Balter — Performance Modeling and Design of Computer Systems: Queueing Theory in Action (M/M/k, server farms, capacity provisioning) — Cambridge University Press, 2013