IT ਸੰਚਾਲਨ — ਸਾਈਟ ਭਰੋਸੇਯੋਗਤਾ ਲਾਈਵ ਮਾਡਲ

ਤੁਸੀਂ ਇੱਕ ਵੈੱਬ ਸੇਵਾ ਲਈ ਆਨ-ਕਾਲ ਹੋ: ਇੰਸਟੈਂਸਾਂ ਦੇ ਫਲੀਟ ਦੇ ਸਾਹਮਣੇ ਇੱਕ ਲੋਡ ਬੈਲੈਂਸਰ, ਡੇਟਾਬੇਸ ਦੇ ਸਾਹਮਣੇ ਇੱਕ ਕੈਸ਼, ਅਤੇ 99.9 % ਉਪਲਬਧਤਾ ਟੀਚਾ। ਹਰ ਮਿੰਟ ਮਾਡਲ ਪਾਠ-ਪੁਸਤਕ ਫ਼ਾਰਮੂਲਿਆਂ ਤੋਂ ਕਤਾਰ ਦੇਰੀ, ਟਾਈਮਆਊਟ, ਕੈਸ਼ ਹਿੱਟ ਅਤੇ ਡੇਟਾਬੇਸ ਲੋਡ ਗਿਣਦਾ ਹੈ — ਅਤੇ ਇਹ ਵੀ ਕਿ ਤੁਹਾਡੇ ਫ਼ੈਸਲਿਆਂ ਦੀ ਕੀਮਤ ਕੀ ਹੈ।

ਤੁਸੀਂ ਕੀ ਸਿੱਖੋਗੇ

ਸਿਮੂਲੇਟਰ

ਸਮਾਂ 0 ਮਿੰ
ਬੇਨਤੀਆਂ 1125 · ਗਲਤੀ ਦਰ 0.00% · p99 ਲੇਟੈਂਸੀ 342 ms · ਸੇਵਾ ਕਰ ਰਹੇ ਇੰਸਟੈਂਸ 10 (+0) · ਕੈਸ਼ ਹਿੱਟ ਦਰ 77% · ਡੇਟਾਬੇਸ ਵਰਤੋਂ 19% · ਬਾਕੀ ਗਲਤੀ ਬਜਟ (30 ਦਿਨ) 50.0%⇉1125 req/s▶▶▶▶▶▶▶▶▶▶······························▶ 10 · ⚙ 0 · 52% · p99 342 msਫਲੀਟ ਵਰਤੋਂ 52%ਕੈਸ਼ ਹਿੱਟ ਦਰ 77%ਡੇਟਾਬੇਸ ਵਰਤੋਂ 19%⚠ 0.00% · 🔥 0.0×50%$ 4.00/h · Σ $0.00
  • ਸੇਵਾ ਕਰ ਰਿਹਾ ਇੰਸਟੈਂਸ
  • ਬੂਟ ਹੋ ਰਿਹਾ ਇੰਸਟੈਂਸ
  • ਮਾੜੇ ਬਿਲਡ 'ਤੇ ਇੰਸਟੈਂਸ
  • ਖ਼ਾਲੀ ਥਾਂ
  • ਆ ਰਹੀਆਂ ਬੇਨਤੀਆਂ

ਕੰਟਰੋਲ

ਫਲੀਟ ਦੀ ਹੇਠਲੀ ਹੱਦ। ਇਸ ਨੂੰ ਵਧਾਉਣ ਨਾਲ ਇੰਸਟੈਂਸ ਇੱਕਦਮ ਚੱਲ ਪੈਂਦੇ ਹਨ — ਪਰ ਸੇਵਾ ਤੋਂ ਪਹਿਲਾਂ ਉਨ੍ਹਾਂ ਨੂੰ ਬੂਟ ਦੇਰੀ ਚਾਹੀਦੀ ਹੈ।

ਵਰਤੋਂ 'ਤੇ ਟੀਚਾ ਟਰੈਕਿੰਗ; ਜਦੋਂ ਤੱਕ ਇੰਸਟੈਂਸ ਬੂਟ ਹੋ ਰਹੇ ਹਨ ਕੋਈ ਨਵੀਂ ਸਕੇਲ-ਆਊਟ ਨਹੀਂ। ਬੰਦ = ਬਿਲਕੁਲ ਘੱਟੋ-ਘੱਟ।

ਘੱਟ = ਵੱਧ ਗੁੰਜਾਇਸ਼ ਅਤੇ ਵੱਧ ਖ਼ਰਚ। ਮਾਪੀ ਵਰਤੋਂ 100 % ਤੋਂ ਵੱਧ ਨਹੀਂ ਹੋ ਸਕਦੀ, ਇਸ ਲਈ ਭਰਿਆ ਫਲੀਟ ਸਿਰਫ਼ ਕਦਮ-ਦਰ-ਕਦਮ ਵਧਦਾ ਹੈ।

ਲੰਮਾ TTL = ਵੱਧ ਹਿੱਟ, ਪਰ ਜਵਾਬ ਪੁਰਾਣੇ ਹੋ ਸਕਦੇ ਹਨ (ਔਸਤ ਉਮਰ ≈ TTL/2)।

6 ਮਿੰਟ ਲਈ ਗਰਮ ਕੁੰਜੀਆਂ ਲੋਡ ਕਰਦਾ ਹੈ (ਪ੍ਰਤੀ ਮਿੰਟ ਕੈਸ਼ ਦਾ +12 %) 600 ਵਾਧੂ ਡੇਟਾਬੇਸ ਕਵੇਰੀਆਂ/s ਦੀ ਕੀਮਤ 'ਤੇ।

30 % ਘੱਟ-ਤਰਜੀਹ (ਪ੍ਰੀਫੈੱਚ, ਬੈਚ, ਕ੍ਰਾਲਰ) ਦਾ ਹਿੱਸਾ ਜੋ ਲੋਡ ਬੈਲੈਂਸਰ 'ਤੇ “ਬਾਅਦ ਵਿੱਚ ਮੁੜ ਕੋਸ਼ਿਸ਼ ਕਰੋ” ਨਾਲ ਰੱਦ ਹੁੰਦਾ ਹੈ।

ਭਾਰੀ ਫੀਚਰ ਪ੍ਰਤੀ ਬੇਨਤੀ 20 ms CPU ਅਤੇ ਇੱਕ ਡੇਟਾਬੇਸ ਕਵੇਰੀ ਜੋੜਦਾ ਹੈ। ਬੰਦ = ਹੌਲੀ-ਹੌਲੀ ਘਟਾਉਣਾ।

ਆਖ਼ਰੀ ਚੰਗੇ ਬਿਲਡ ਨੂੰ ਨਵੇਂ ਫਲੀਟ 'ਤੇ ਮੁੜ ਤੈਨਾਤ ਕਰਦਾ ਹੈ (5 min, ਦੋ ਵਾਰ ਬਿੱਲ), ਫਿਰ ਟ੍ਰੈਫ਼ਿਕ ਬਦਲਦਾ ਹੈ। ਦੁਬਾਰਾ ਦਬਾਉਣ 'ਤੇ ਤਿਆਰੀ ਮੁੜ ਸ਼ੁਰੂ ਹੁੰਦੀ ਹੈ; ਜੇ ਕੋਈ ਮਾੜਾ ਬਿਲਡ ਚਾਲੂ ਨਹੀਂ ਤਾਂ ਇਸ ਦਾ ਸਿਰਫ਼ ਖ਼ਰਚਾ ਹੁੰਦਾ ਹੈ।

ਸੂਚਕ

ਗਲਤੀ ਦਰ
0.00%
ਆਮ
p99 ਲੇਟੈਂਸੀ
342ms
ਆਮ
ਬਾਕੀ ਗਲਤੀ ਬਜਟ (30 ਦਿਨ)
50.0%
ਆਮ
ਫਲੀਟ ਵਰਤੋਂ
52%
ਆਮ
ਬਰਨ ਰੇਟ (1 h)0.0 ×
ਬੇਨਤੀਆਂ1125 req/s
ਸੇਵਾ ਕਰ ਰਹੇ ਇੰਸਟੈਂਸ10
ਬੂਟ ਹੋ ਰਹੇ ਇੰਸਟੈਂਸ0
ਕੈਸ਼ ਹਿੱਟ ਦਰ77 %
ਡੇਟਾਬੇਸ ਵਰਤੋਂ19 %
ਛੱਡਿਆ ਟ੍ਰੈਫਿਕ0 %
ਫਲੀਟ ਲਾਗਤ4.00 $/h
ਹੁਣ ਤੱਕ ਦੀ ਲਾਗਤ0.00 $
ਕੈਸ਼ ਕੀਤੇ ਜਵਾਬਾਂ ਦੀ ਔਸਤ ਉਮਰ30 s
ਮਾੜੇ ਬਿਲਡ 'ਤੇ ਟ੍ਰੈਫਿਕ0 %
ਉਪਲਬਧ ਸਿਫ਼ਾਰਸ਼ਾਂ100 %

ਰੁਝਾਨ

ਗਲਤੀ ਦਰ: — %20.000.00

ਸੰਕਟ ਦ੍ਰਿਸ਼

ਪੱਧਰ 1 · ਮਾੜੀ ਰਿਲੀਜ਼

09:10 ਵਜੇ ਨਵਾਂ ਬਿਲਡ ਜਾਰੀ ਹੁੰਦਾ ਹੈ। ਮਹੀਨਾ ਪਹਿਲਾਂ ਹੀ ਔਖਾ ਰਿਹਾ ਹੈ: ਗਲਤੀ ਬਜਟ ਦਾ ਸਿਰਫ਼ 20 % ਬਚਿਆ ਹੈ। ਡਿਪਲੋਇ ਤੋਂ ਮਿੰਟਾਂ ਬਾਅਦ ਬਰਨ-ਰੇਟ ਪੇਜ ਵੱਜ ਪੈਂਦਾ ਹੈ। ਬਜਟ ਦੀ ਰਾਖੀ ਕਰੋ।

  • ਅੰਤ 'ਤੇ ਬਾਕੀ ਗਲਤੀ ਬਜਟ ≥ 18.5 %
  • ਡਿਪਲੋਇ ਤੋਂ ਬਾਅਦ ਔਸਤ ਗਲਤੀ ਦਰ ≤ 0.65 %
  • ਫਲੀਟ ਲਾਗਤ ≤ $9.50

ਪੱਧਰ 2 · ਅਚਾਨਕ ਭੀੜ

ਸੇਵਾ ਦਾ ਇੱਕ ਲਿੰਕ ਤੇਜ਼ੀ ਨਾਲ ਫੈਲ ਰਿਹਾ ਹੈ ਅਤੇ ਅੱਜ ਸਵੇਰੇ ਕਿਸੇ ਵੇਲੇ ਟ੍ਰੈਫ਼ਿਕ ਦੇ ਉਛਾਲ ਦੀ ਉਮੀਦ ਹੈ — ਕਿਸੇ ਨੂੰ ਨਹੀਂ ਪਤਾ ਕਦੋਂ, ਜਾਂ ਕਿੰਨਾ ਵੱਡਾ। ਨਵੇਂ ਇੰਸਟੈਂਸ ਨੂੰ ਅੱਜ ਸ਼ੁਰੂ ਹੋਣ ਵਿੱਚ 8 ਮਿੰਟ ਲੱਗਦੇ ਹਨ। ਜਦੋਂ ਇਹ ਆਵੇ, ਵਿਹਲੀ ਸਮਰੱਥਾ 'ਤੇ ਪੈਸੇ ਫੂਕੇ ਬਿਨਾਂ ਗ਼ਲਤੀਆਂ ਅਤੇ ਲੇਟੈਂਸੀ ਘੱਟ ਰੱਖੋ।

  • ਔਸਤ ਗਲਤੀ ਦਰ ≤ 0.2 %
  • ਔਸਤ p99 ਲੇਟੈਂਸੀ ≤ 400 ms
  • ਔਸਤ ਛੱਡਿਆ ਟ੍ਰੈਫਿਕ ≤ 5 %
  • ਕੁੱਲ ਲਾਗਤ ≤ $21
  • ਸਿਫ਼ਾਰਸ਼ਾਂ ≥ 85 % ਸਮਾਂ ਉਪਲਬਧ

ਪੱਧਰ 3 · ਠੰਢਾ ਕੈਸ਼

ਦੁਪਹਿਰ ਦੇ ਸਿਖਰ 'ਤੇ ਇੱਕ ਰੱਖ-ਰਖਾਅ ਸਕ੍ਰਿਪਟ ਪੂਰਾ ਕੈਸ਼ ਸਾਫ਼ ਕਰ ਦਿੰਦੀ ਹੈ। ਹੁਣ ਹਰ ਬੇਨਤੀ ਡੇਟਾਬੇਸ ਕੋਲ ਜਾਂਦੀ ਹੈ, ਜੋ ਆਮ 85 % ਹਿੱਟ ਦਰ ਲਈ ਮਾਪਿਆ ਗਿਆ ਸੀ। ਡੇਟਾਬੇਸ ਨੂੰ ਓਵਰਲੋਡ ਕੀਤੇ ਬਿਨਾਂ ਸੇਵਾ ਵਾਪਸ ਲਿਆਓ।

  • ਔਸਤ ਗਲਤੀ ਦਰ ≤ 1.5 %
  • ਪਹਿਲੇ ਮਿੰਟ ਤੋਂ ਬਾਅਦ ਡੇਟਾਬੇਸ ਵਰਤੋਂ ਕਦੇ 90 % ਤੋਂ ਉੱਪਰ ਨਹੀਂ
  • ਕੈਸ਼ ਕੀਤੇ ਜਵਾਬਾਂ ਦੀ ਔਸਤ ਉਮਰ ≤ 90 s ਔਸਤਨ
  • ਕੁੱਲ ਲਾਗਤ ≤ $9
  • ਸਿਫ਼ਾਰਸ਼ਾਂ ≥ 80 % ਸਮਾਂ ਉਪਲਬਧ
  • ਔਸਤ ਛੱਡਿਆ ਟ੍ਰੈਫਿਕ ≤ 5 %

ਆਧਾਰ — ਅੰਕਾਂ ਪਿੱਛੇ ਦਾ ਮਾਡਲ

ਸਿਮੂਲੇਟਰ ਵੱਲੋਂ ਵਰਤਿਆ ਹਰ ਸੰਬੰਧ, ਆਪਣੇ ਸਰੋਤ ਸਮੇਤ। ਧਾਰਨਾਵਾਂ ਵਜੋਂ ਚਿੰਨ੍ਹਿਤ ਸਥਿਰਾਂਕ ਦ੍ਰਿਸ਼ਟਾਂਤਕ ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਹਨ।

ਬੇਨਤੀਆਂ ਰੋਜ਼ਾਨਾ ਵਕਰ ਅਤੇ ਗੜਬੜੀਆਂ ਦੀ ਪਾਲਣਾ ਕਰਦੀਆਂ ਹਨ; ਪ੍ਰਤੀ ਮਿੰਟ ਗਿਣਤੀ ਬੇਤਰਤੀਬ ਹੈ (ਪੋਇਸਨ, ਸਧਾਰਨ ਅਨੁਮਾਨ) ਅਤੇ ਥੋੜ੍ਹੀ ਝਟਕੇਦਾਰੀ ਨਾਲ।
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]ਧਾਰਨਾ: ਵਰਕਰਾਂ ਦੀ ਗਿਣਤੀ, ਸੇਵਾ ਸਮੇਂ, ਡੇਟਾਬੇਸ ਸਮਰੱਥਾ, ਕੈਸ਼ ਦਾ ਆਕਾਰ, ਮੁੜ-ਭਰਨ ਦੀ ਗਤੀ, ਕੀਮਤਾਂ ਅਤੇ ਮਾੜੇ ਬਿਲਡ ਦੀ ਗਲਤੀ ਦਰ ਦਰਮਿਆਨੀ ਵੈੱਬ ਸੇਵਾ ਲਈ ਉਦਾਹਰਣ ਮੁੱਲ ਹਨ।
Erlang C: ਸੰਭਾਵਨਾ ਕਿ M/M/N ਸਿਸਟਮ ਵਿੱਚ ਬੇਨਤੀ ਨੂੰ ਖ਼ਾਲੀ ਵਰਕਰ ਦੀ ਉਡੀਕ ਕਰਨੀ ਪਵੇ।
N = instances × 16 workers, a = λ·S; C(a, N) = B / (1 − (a/N)(1 − B)), B = Erlang B[3][6]
ਉਡੀਕ ਸਮੇਂ ਦੀ ਪੂਛ: t ਤੋਂ ਵੱਧ ਉਡੀਕ ਦੀ ਸੰਭਾਵਨਾ ਘਾਤਾਂਕੀ ਤੌਰ 'ਤੇ ਘਟਦੀ ਹੈ; 2-s ਟਾਈਮਆਊਟ 'ਤੇ ਹਾਲੇ ਉਡੀਕ ਕਰ ਰਹੀਆਂ ਬੇਨਤੀਆਂ ਫੇਲ੍ਹ ਹੋ ਜਾਂਦੀਆਂ ਹਨ। ਸਮਰੱਥਾ ਤੋਂ ਪਰੇ, ਵਾਧੂ ਫੇਲ੍ਹ ਹੁੰਦਾ ਹੈ।
P(W > t) = C·e^(−(N/S − λ)·t); timeouts = P(W > 2 s); a ≥ N ⇒ failed share = 1 − N/a[3]
ਸੇਵਾ ਸਮੇਂ ਅਤੇ ਉਡੀਕ ਸਮੇਂ ਦੇ ਕੁਆਂਟਾਈਲਾਂ ਤੋਂ p99 ਲੇਟੈਂਸੀ।
p99 ≈ S·ln 100 + ln(C/0.01)/(N/S − λ) (service + waiting quantile, an approximation)[3][6]ਅਨੁਮਾਨ: ਸੇਵਾ ਅਤੇ ਉਡੀਕ ਕੁਆਂਟਾਈਲਾਂ ਨੂੰ ਜੋੜਨਾ ਉਨ੍ਹਾਂ ਦੇ ਜੋੜ ਦਾ ਸਹੀ p99 ਨਹੀਂ ਹੈ (ਇਹ ਥੋੜ੍ਹਾ ਵੱਧ ਜਾਂ ਘੱਟ ਹੋ ਸਕਦਾ ਹੈ); ਕਤਾਰ ਨੂੰ ਹਰ ਮਿੰਟ ਦੇ ਅੰਦਰ ਸਥਿਰ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ ਕਿਉਂਕਿ ਬੇਨਤੀਆਂ ਮਿਲੀਸਕਿੰਟਾਂ ਵਿੱਚ ਪੂਰੀਆਂ ਹੁੰਦੀਆਂ ਹਨ।
ਲਿਟਲ ਦਾ ਨਿਯਮ: ਰੁੱਝੇ ਵਰਕਰ = ਆਉਣ ਦੀ ਦਰ × ਸੇਵਾ ਵਿੱਚ ਸਮਾਂ।
busy workers L = λ·S ⇒ utilization = λ·S / N[4]
TTL ਕੈਸ਼: ਬੇਤਰਤੀਬ ਬੇਨਤੀਆਂ ਨਾਲ, ਹਰ ਮਿਸ ਇੱਕ TTL ਮਿਆਦ ਸ਼ੁਰੂ ਕਰਦਾ ਹੈ ਜਿਸ ਦੌਰਾਨ ਬੇਨਤੀਆਂ ਹਿੱਟ ਕਰਦੀਆਂ ਹਨ।
hit = warm × rT/(1 + rT), r = λ / 20,000 objects; mean age of a cached answer ≈ T/2[5]
ਕੈਸ਼ ਮਿਸ ਡੇਟਾਬੇਸ 'ਤੇ ਲੋਡ ਪਾਉਂਦੇ ਹਨ; ਇਸ ਦੀ ਕਤਾਰ ਦੇਰੀ ਇਸ ਨੂੰ ਛੂਹਣ ਵਾਲੀ ਹਰ ਬੇਨਤੀ ਨੂੰ ਹੌਲੀ ਕਰਦੀ ਹੈ, ਜੋ ਐਪ ਵਰਕਰਾਂ ਨੂੰ ਵੀ ਭਰ ਦਿੰਦੀ ਹੈ।
DB load = λ·q·(1 − hit); query time = 5 ms/(1 − ρ_db) (≤ 250 ms); S = S_app + (1 − hit)·q·query time[6]ਧਾਰਨਾ: ਵਰਕਰਾਂ ਦੀ ਗਿਣਤੀ, ਸੇਵਾ ਸਮੇਂ, ਡੇਟਾਬੇਸ ਸਮਰੱਥਾ, ਕੈਸ਼ ਦਾ ਆਕਾਰ, ਮੁੜ-ਭਰਨ ਦੀ ਗਤੀ, ਕੀਮਤਾਂ ਅਤੇ ਮਾੜੇ ਬਿਲਡ ਦੀ ਗਲਤੀ ਦਰ ਦਰਮਿਆਨੀ ਵੈੱਬ ਸੇਵਾ ਲਈ ਉਦਾਹਰਣ ਮੁੱਲ ਹਨ।
SLO ਅਤੇ ਗਲਤੀ ਬਜਟ: ਬਰਨ ਰੇਟ ਦੱਸਦਾ ਹੈ ਕਿ ਬਜਟ ਇਜਾਜ਼ਤ ਨਾਲੋਂ ਕਿੰਨੇ ਗੁਣਾ ਤੇਜ਼ ਖਰਚ ਹੋ ਰਿਹਾ ਹੈ।
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]
ਬੂਟ ਦੇਰੀ ਅਤੇ ਕੂਲਡਾਊਨ ਵਾਲਾ ਟੀਚਾ-ਟਰੈਕਿੰਗ ਆਟੋਸਕੇਲਰ।
desired = ⌈serving × utilization / target⌉ (utilization saturates at 100 %); new instances serve after the boot delay[6]ਧਾਰਨਾ: ਵਰਕਰਾਂ ਦੀ ਗਿਣਤੀ, ਸੇਵਾ ਸਮੇਂ, ਡੇਟਾਬੇਸ ਸਮਰੱਥਾ, ਕੈਸ਼ ਦਾ ਆਕਾਰ, ਮੁੜ-ਭਰਨ ਦੀ ਗਤੀ, ਕੀਮਤਾਂ ਅਤੇ ਮਾੜੇ ਬਿਲਡ ਦੀ ਗਲਤੀ ਦਰ ਦਰਮਿਆਨੀ ਵੈੱਬ ਸੇਵਾ ਲਈ ਉਦਾਹਰਣ ਮੁੱਲ ਹਨ।
ਮਾਡਲ ਵਿੱਚ ਵਰਤੇ ਗਏ ਹੋਰ ਸੰਚਾਲਨ ਸਥਿਰਾਂਕ।
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 instancesਧਾਰਨਾ: ਵਰਕਰਾਂ ਦੀ ਗਿਣਤੀ, ਸੇਵਾ ਸਮੇਂ, ਡੇਟਾਬੇਸ ਸਮਰੱਥਾ, ਕੈਸ਼ ਦਾ ਆਕਾਰ, ਮੁੜ-ਭਰਨ ਦੀ ਗਤੀ, ਕੀਮਤਾਂ ਅਤੇ ਮਾੜੇ ਬਿਲਡ ਦੀ ਗਲਤੀ ਦਰ ਦਰਮਿਆਨੀ ਵੈੱਬ ਸੇਵਾ ਲਈ ਉਦਾਹਰਣ ਮੁੱਲ ਹਨ।

ਬੇਤਰਤੀਬੀ: ਸੀਡ ਵਾਲਾ mulberry32 ਜਨਰੇਟਰ; ਵਰਤੀਆਂ ਵੰਡਾਂ — ਯੂਨੀਫ਼ਾਰਮ, ਘਾਤਾਂਕੀ (ਉਲਟ CDF), ਸਧਾਰਨ (Box–Muller), ਪੌਆਸੋਂ (Knuth)। ਸੀਡ ਦਿਖਾਇਆ ਜਾਂਦਾ ਹੈ ਅਤੇ ਸਾਂਝਾ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ।

ਸਰੋਤ

  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

ਇਹ ਕੰਮ ਰੋਜ਼ੀ-ਰੋਟੀ ਲਈ ਕੌਣ ਕਰਦਾ ਹੈ

ਸਿੱਖਿਆ ਮਾਡਲ — ਸੰਚਾਲਨ ਫ਼ੈਸਲਿਆਂ ਲਈ ਨਹੀਂ। ਅਸਲ ਸਾਈਟਾਂ ਹਰ ਸਥਿਰਾਂਕ ਨੂੰ ਆਪਣੇ ਉਪਕਰਣਾਂ ਅਤੇ ਡਾਟਾ ਅਨੁਸਾਰ ਕੈਲੀਬਰੇਟ ਕਰਦੀਆਂ ਹਨ।