🖥️ ການດຳເນີນງານ IT — ຄວາມໜ້າເຊື່ອຖືຂອງເວັບໄຊ ແບບຈຳລອງສົດ

ພື້ນຖານ — ແບບຈຳລອງທີ່ຢູ່ເບື້ອງຫຼັງຕົວເລກ

ທຸກຄວາມສຳພັນທີ່ຕົວຈຳລອງໃຊ້ ພ້ອມແຫຼ່ງທີ່ມາ. ຄ່າຄົງທີ່ທີ່ໝາຍເປັນຂໍ້ສົມມຸດແມ່ນການປັບຄ່າຕົວຢ່າງ.

ຄຳຂໍຕາມເສັ້ນໂຄ້ງລາຍວັນບວກການລົບກວນ; ຈຳນວນຕໍ່ນາທີແມ່ນສຸ່ມ (Poisson, ການປະມານແບບປົກກະຕິ) ດ້ວຍການຮຸນແຮງເລັກນ້ອຍ.

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]ຂໍ້ສົມມຸດ: ຈຳນວນ worker, ເວລາບໍລິການ, ຄວາມຈຸຖານຂໍ້ມູນ, ຂະໜາດ cache, ຄວາມໄວການຕື່ມ, ລາຄາ ແລະອັດຕາຂໍ້ຜິດພາດຂອງ build ທີ່ບໍ່ດີເປັນຄ່າຕົວຢ່າງສຳລັບບໍລິການເວັບຂະໜາດກາງ.

Erlang C: ຄວາມນ່າຈະເປັນທີ່ຄຳຂໍຕ້ອງລໍ worker ວ່າງໃນລະບົບ M/M/N.

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

ຫາງເວລາລໍຖ້າ: ໂອກາດລໍດົນກວ່າ t ຫຼຸດລົງແບບເອັກໂປເນັນຊຽນ; ຄຳຂໍທີ່ຍັງລໍຢູ່ທີ່ timeout 2 ວິນາທີລົ້ມເຫຼວ. ເກີນຄວາມຈຸ ສ່ວນເກີນລົ້ມເຫຼວ.

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

ເວລາຕອບສະໜອງ p99 ຈາກ quantile ຂອງເວລາບໍລິການ ແລະເວລາລໍຖ້າ.

p99 ≈ S·ln 100 + ln(C/0.01)/(N/S − λ) (service + waiting quantile, an approximation)[3][6]ການປະມານ: ການບວກ quantile ຂອງການບໍລິການ ແລະການລໍຖ້າບໍ່ແມ່ນ p99 ທີ່ແນ່ນອນຂອງຜົນບວກຂອງມັນ (ອາດສູງ ຫຼືຕ່ຳເລັກນ້ອຍ); ຄິວຖືວ່ານິ່ງພາຍໃນແຕ່ລະນາທີ ເພາະຄຳຮ້ອງຂໍໃຊ້ເວລາເປັນມິນລິວິນາທີ.

ກົດຂອງ Little: worker ທີ່ຫຍຸ້ງ = ອັດຕາມາຮອດ × ເວລາໃນບໍລິການ.

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

TTL cache: ດ້ວຍຄຳຂໍສຸ່ມ ທຸກ miss ເລີ່ມໄລຍະ TTL ທີ່ຄຳຂໍ hit.

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

cache miss ໂຫຼດຖານຂໍ້ມູນ; ການຊັກຊ້າແຖວຂອງມັນເຮັດໃຫ້ທຸກຄຳຂໍທີ່ແຕະມັນຊ້າລົງ ເຊິ່ງຍັງເຮັດໃຫ້ app worker ເຕັມ.

DB load = λ·q·(1 − hit); query time = 5 ms/(1 − ρ_db) (≤ 250 ms); S = S_app + (1 − hit)·q·query time[6]ຂໍ້ສົມມຸດ: ຈຳນວນ worker, ເວລາບໍລິການ, ຄວາມຈຸຖານຂໍ້ມູນ, ຂະໜາດ cache, ຄວາມໄວການຕື່ມ, ລາຄາ ແລະອັດຕາຂໍ້ຜິດພາດຂອງ build ທີ່ບໍ່ດີເປັນຄ່າຕົວຢ່າງສຳລັບບໍລິການເວັບຂະໜາດກາງ.

SLO ແລະງົບຂໍ້ຜິດພາດ: ອັດຕາເຜົາບອກວ່າງົບກຳລັງຖືກໃຊ້ໄວກວ່າທີ່ອະນຸຍາດຈັກເທື່ອ.

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]

ຕົວປັບຂະໜາດອັດຕະໂນມັດທີ່ຕິດຕາມເປົ້າໝາຍ ດ້ວຍການຊັກຊ້າການເລີ່ມ ແລະ cooldown.

desired = ⌈serving × utilization / target⌉ (utilization saturates at 100 %); new instances serve after the boot delay[6]ຂໍ້ສົມມຸດ: ຈຳນວນ worker, ເວລາບໍລິການ, ຄວາມຈຸຖານຂໍ້ມູນ, ຂະໜາດ cache, ຄວາມໄວການຕື່ມ, ລາຄາ ແລະອັດຕາຂໍ້ຜິດພາດຂອງ build ທີ່ບໍ່ດີເປັນຄ່າຕົວຢ່າງສຳລັບບໍລິການເວັບຂະໜາດກາງ.

ຄ່າຄົງທີ່ການດຳເນີນງານອື່ນໆທີ່ແບບຈຳລອງໃຊ້.

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 instancesຂໍ້ສົມມຸດ: ຈຳນວນ worker, ເວລາບໍລິການ, ຄວາມຈຸຖານຂໍ້ມູນ, ຂະໜາດ cache, ຄວາມໄວການຕື່ມ, ລາຄາ ແລະອັດຕາຂໍ້ຜິດພາດຂອງ build ທີ່ບໍ່ດີເປັນຄ່າຕົວຢ່າງສຳລັບບໍລິການເວັບຂະໜາດກາງ.

ຄວາມສຸ່ມ: ຕົວສ້າງ mulberry32 ທີ່ມີແກ່ນ; ການກະຈາຍທີ່ໃຊ້ — ເອກະພາບ ເລກກຳລັງ (CDF ກັບຄືນ) ປົກກະຕິ (Box–Muller) Poisson (Knuth). ແກ່ນຖືກສະແດງ ແລະແບ່ງປັນໄດ້.

ແຫຼ່ງທີ່ມາ

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