🖥️ အိုင်တီလည်ပတ်မှု — ဆိုက်ယုံကြည်စိတ်ချရမှု တိုက်ရိုက်မော်ဒယ်

အခြေခံ — ကိန်းဂဏန်းများနောက်ကွယ်ရှိ မော်ဒယ်

ဆင်မျူလေတာအသုံးပြုသော ဆက်စပ်ချက်တိုင်းကို ရင်းမြစ်နှင့်အတူ ဖော်ပြထားသည်။ ယူဆချက်အဖြစ် အမှတ်အသားပြုထားသော ကိန်းသေများသည် ဥပမာချိန်ညှိမှုများဖြစ်သည်။

တောင်းဆိုမှုများသည် နေ့စဉ်မျဉ်းကွေးနှင့် အနှောင့်အယှက်များကိုလိုက်သည်၊ တစ်မိနစ်လျှင်အရေအတွက်မှာ ကျပန်းဖြစ်သည် (ပွာဆွန်၊ ပုံမှန်ခန့်မှန်းချက်) အနည်းငယ်ပေါက်ကွဲမှုပါသည်။

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]ယူဆချက်: လုပ်သားအရေအတွက်၊ ဝန်ဆောင်မှုချိန်၊ ဒေတာဘေ့စ်စွမ်းရည်၊ ကက်ရှ်အရွယ်အစား၊ ပြန်ဖြည့်အမြန်နှုန်း၊ ဈေးနှုန်းများနှင့် မကောင်းသောတည်ဆောက်မှု၏ အမှားနှုန်းသည် အလယ်အလတ်ဝက်ဘ်ဝန်ဆောင်မှုအတွက် သရုပ်ပြတန်ဖိုးများဖြစ်သည်။

Erlang C: M/M/N စနစ်တွင် တောင်းဆိုမှုတစ်ခု အားလပ်လုပ်သားကို စောင့်ရမည့်ဖြစ်နိုင်ခြေ။

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

စောင့်ဆိုင်းချိန်အမြီး: t ထက်ပိုစောင့်ရန်အခွင့်အလမ်းသည် ထပ်ကိန်းနည်းဖြင့်ကျသည်၊ 2-s အချိန်ကုန်ဆုံးချိန်တွင်လည်း စောင့်နေသောတောင်းဆိုမှုများ မအောင်မြင်ပါ။ စွမ်းရည်ကျော်လွန်ပါက အပိုသည် မအောင်မြင်ပါ။

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

ဝန်ဆောင်မှုချိန်နှင့် စောင့်ဆိုင်းချိန် ကွမ်တိုင်လ်များမှ p99 နှောင့်နှေးမှု။

p99 ≈ S·ln 100 + ln(C/0.01)/(N/S − λ) (service + waiting quantile, an approximation)[3][6]အနီးစပ်ဆုံး: ဝန်ဆောင်မှုနှင့် စောင့်ဆိုင်းမှု ကွင်တိုင်များကို ပေါင်းခြင်းသည် ၎င်းတို့၏ ပေါင်းလဒ်၏ တိကျသော p99 မဟုတ်ပါ (အနည်းငယ်မြင့်နိုင် သို့မဟုတ် နိမ့်နိုင်သည်); တောင်းဆိုမှုများသည် မီလီစက္ကန့်သာကြာသဖြင့် တစ်မိနစ်စီအတွင်း တန်းစီကို တည်ငြိမ်သည်ဟု သတ်မှတ်သည်။

လစ်တယ်၏ဥပဒေ: အလုပ်များသောလုပ်သားများ = ဝင်ရောက်နှုန်း × ဝန်ဆောင်မှုချိန်။

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

TTL ကက်ရှ်: ကျပန်းတောင်းဆိုမှုများတွင် လွဲချော်မှုတိုင်းက TTL ကာလတစ်ခုစပြီး ထိုကာလတွင် တောင်းဆိုမှုများ ထိမှန်သည်။

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

ကက်ရှ်လွဲချော်မှုများက ဒေတာဘေ့စ်ကိုဝန်ပိစေသည်၊ ၎င်း၏တန်းစီနှောင့်နှေးမှုက ထိသောတောင်းဆိုမှုတိုင်းကို နှေးစေပြီး အက်ပ်လုပ်သားများလည်း ပြည့်စေသည်။

DB load = λ·q·(1 − hit); query time = 5 ms/(1 − ρ_db) (≤ 250 ms); S = S_app + (1 − hit)·q·query time[6]ယူဆချက်: လုပ်သားအရေအတွက်၊ ဝန်ဆောင်မှုချိန်၊ ဒေတာဘေ့စ်စွမ်းရည်၊ ကက်ရှ်အရွယ်အစား၊ ပြန်ဖြည့်အမြန်နှုန်း၊ ဈေးနှုန်းများနှင့် မကောင်းသောတည်ဆောက်မှု၏ အမှားနှုန်းသည် အလယ်အလတ်ဝက်ဘ်ဝန်ဆောင်မှုအတွက် သရုပ်ပြတန်ဖိုးများဖြစ်သည်။

SLO နှင့် အမှားဘတ်ဂျက်: လောင်ကျွမ်းနှုန်းက ဘတ်ဂျက်ကို ခွင့်ပြုသည်ထက် ဘယ်နှစ်ဆမြန်စွာသုံးနေသည်ကို ဖော်ပြသည်။

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]

ဘွတ်နှောင့်နှေးမှုနှင့် ပြန်အေးချိန်ရှိသော ပစ်မှတ်လိုက်အော်တိုစကေးလာ။

desired = ⌈serving × utilization / target⌉ (utilization saturates at 100 %); new instances serve after the boot delay[6]ယူဆချက်: လုပ်သားအရေအတွက်၊ ဝန်ဆောင်မှုချိန်၊ ဒေတာဘေ့စ်စွမ်းရည်၊ ကက်ရှ်အရွယ်အစား၊ ပြန်ဖြည့်အမြန်နှုန်း၊ ဈေးနှုန်းများနှင့် မကောင်းသောတည်ဆောက်မှု၏ အမှားနှုန်းသည် အလယ်အလတ်ဝက်ဘ်ဝန်ဆောင်မှုအတွက် သရုပ်ပြတန်ဖိုးများဖြစ်သည်။

မော်ဒယ်တွင်သုံးသော အခြားလည်ပတ်မှုကိန်းသေများ။

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 instancesယူဆချက်: လုပ်သားအရေအတွက်၊ ဝန်ဆောင်မှုချိန်၊ ဒေတာဘေ့စ်စွမ်းရည်၊ ကက်ရှ်အရွယ်အစား၊ ပြန်ဖြည့်အမြန်နှုန်း၊ ဈေးနှုန်းများနှင့် မကောင်းသောတည်ဆောက်မှု၏ အမှားနှုန်းသည် အလယ်အလတ်ဝက်ဘ်ဝန်ဆောင်မှုအတွက် သရုပ်ပြတန်ဖိုးများဖြစ်သည်။

ကျပန်းဖြစ်မှု- seed ပါသော mulberry32 ဂျင်နရေတာ၊ သုံးသောဖြန့်ဝေမှုများ — တူညီ၊ ထပ်ကိန်း (ပြောင်းပြန် CDF)၊ ပုံမှန် (Box–Muller)၊ ပွာဆွန် (Knuth)။ seed ကို ပြသပြီး မျှဝေနိုင်သည်။

ရင်းမြစ်များ

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