🖥️ IT కార్యకలాపాలు — సైట్ విశ్వసనీయత లైవ్ మోడల్

ఆధారం — సంఖ్యల వెనుక ఉన్న మోడల్

సిమ్యులేటర్ ఉపయోగించే ప్రతి సంబంధం, దాని మూలంతో. ఊహలుగా గుర్తించిన స్థిరాంకాలు ఉదాహరణ క్రమాంకనాలు.

అభ్యర్థనలు రోజువారీ వక్రరేఖను, ఆటంకాలను అనుసరిస్తాయి; నిమిషానికి సంఖ్య యాదృచ్ఛికం (పాయిసన్, సాధారణ అంచనా) కొద్దిగా విస్ఫోటనంతో.

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]ఊహ: వర్కర్ సంఖ్యలు, సేవ సమయాలు, డేటాబేస్ సామర్థ్యం, కాష్ పరిమాణం, రీఫిల్ వేగం, ధరలు, చెడు బిల్డ్ లోప రేటు మధ్య తరహా వెబ్ సేవకు ఉదాహరణ విలువలు.

Erlang C: M/M/N వ్యవస్థలో అభ్యర్థన ఖాళీ వర్కర్ కోసం వేచి ఉండాల్సిన సంభావ్యత.

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

నిరీక్షణ సమయ తోక: t కంటే ఎక్కువ వేచి ఉండే అవకాశం ఘాతాంకంగా తగ్గుతుంది; 2-సె టైమ్‌అవుట్ వద్ద ఇంకా వేచి ఉన్న అభ్యర్థనలు విఫలమవుతాయి. సామర్థ్యానికి మించి, అధికం విఫలమవుతుంది.

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

సేవ సమయం మరియు నిరీక్షణ సమయ క్వాంటైల్స్ నుండి p99 ఆలస్యం.

p99 ≈ S·ln 100 + ln(C/0.01)/(N/S − λ) (service + waiting quantile, an approximation)[3][6]అంచనా: సర్వీస్ మరియు వెయిటింగ్ క్వాంటైల్స్‌ను కూడటం వాటి మొత్తం యొక్క ఖచ్చితమైన p99 కాదు (కొంచెం ఎక్కువగా లేదా తక్కువగా ఉండవచ్చు); అభ్యర్థనలు మిల్లీసెకన్లలో పూర్తవుతాయి కాబట్టి ప్రతి నిమిషంలో క్యూ స్థిరంగా పరిగణించబడుతుంది.

లిటిల్ నియమం: బిజీ వర్కర్లు = రాక రేటు × సేవ సమయం.

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

TTL కాష్: యాదృచ్ఛిక అభ్యర్థనలతో ప్రతి మిస్ అభ్యర్థనలు హిట్ అయ్యే TTL కాలాన్ని ప్రారంభిస్తుంది.

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

కాష్ మిస్‌లు డేటాబేస్‌ను లోడ్ చేస్తాయి; దాని క్యూ ఆలస్యం దాన్ని తాకే ప్రతి అభ్యర్థనను నెమ్మదింపజేస్తుంది, యాప్ వర్కర్లను కూడా నింపుతుంది.

DB load = λ·q·(1 − hit); query time = 5 ms/(1 − ρ_db) (≤ 250 ms); S = S_app + (1 − hit)·q·query time[6]ఊహ: వర్కర్ సంఖ్యలు, సేవ సమయాలు, డేటాబేస్ సామర్థ్యం, కాష్ పరిమాణం, రీఫిల్ వేగం, ధరలు, చెడు బిల్డ్ లోప రేటు మధ్య తరహా వెబ్ సేవకు ఉదాహరణ విలువలు.

SLO మరియు ఎర్రర్ బడ్జెట్: బర్న్ రేట్ బడ్జెట్ అనుమతించిన దానికంటే ఎన్నిరెట్లు వేగంగా ఖర్చవుతోందో చెబుతుంది.

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]

బూట్ ఆలస్యం మరియు కూల్‌డౌన్‌తో లక్ష్య-అనుసరణ ఆటోస్కేలర్.

desired = ⌈serving × utilization / target⌉ (utilization saturates at 100 %); new instances serve after the boot delay[6]ఊహ: వర్కర్ సంఖ్యలు, సేవ సమయాలు, డేటాబేస్ సామర్థ్యం, కాష్ పరిమాణం, రీఫిల్ వేగం, ధరలు, చెడు బిల్డ్ లోప రేటు మధ్య తరహా వెబ్ సేవకు ఉదాహరణ విలువలు.

నమూనా ఉపయోగించే ఇతర నిర్వహణ స్థిరాంకాలు.

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 instancesఊహ: వర్కర్ సంఖ్యలు, సేవ సమయాలు, డేటాబేస్ సామర్థ్యం, కాష్ పరిమాణం, రీఫిల్ వేగం, ధరలు, చెడు బిల్డ్ లోప రేటు మధ్య తరహా వెబ్ సేవకు ఉదాహరణ విలువలు.

యాదృచ్ఛికత: సీడ్‌తో కూడిన mulberry32 జనరేటర్; ఉపయోగించిన పంపిణీలు — ఏకరీతి, ఘాతాంక (విలోమ CDF), సాధారణ (Box–Muller), పాయిసన్ (Knuth). సీడ్ చూపబడుతుంది, పంచుకోవచ్చు.

మూలాలు

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