運用・監視 / 運用品質
SLOバーンレートとは
SLO burn rate。SLOで許容したエラーバジェットを、現在どれくらいの速さで消費しているかを示す考え方です。
用語集内のカードを見る詳細な図解
SLO許容失敗量を定義
失敗率短期/長期窓で計測
バーンレート消費速度を算出
通知判断重大度と対応を決める
- 短期と長期を組み合わせる
- 利用者影響に近いSLIを使う
- 過去障害でしきい値を検証
この記事で学べること
SLOバーンレートを、定義だけで終わらせず、現場で出てくる場面、確認材料、見落としやすい点、関連語とのつながりまで順に確認できます。
- SLOバーンレートの基本
- どこで役に立つか
- 確認する材料
- よくある誤解
- 運用での使い方
SLOバーンレートの基本
SLOバーンレートは、SLOで許容したエラーバジェットを、現在どれくらいの速さで消費しているかを見る考え方です。たとえば1か月に許される失敗量を数時間で使い切るペースなら、今すぐ対応すべき重大な悪化と判断できます。
単純なエラー率だけを見るより、SLOに対する影響を説明しやすいのが利点です。短時間の急激な悪化と、長時間じわじわ続く悪化を別の窓で検知できます。
どこで役に立つか
SLOバーンレートは、Web/APIの可用性、レイテンシ、成功率、ジョブ成功率などの運用で使います。オンコール通知では、短期窓と長期窓を組み合わせて、瞬間的なノイズと本当に危険な傾向を分けます。
アラート疲れを減らすうえでも有効です。CPU使用率のような内部指標ではなく、利用者に近いSLOの消費速度で通知できるため、対応優先度を説明しやすくなります。
確認する材料
確認では、対象SLO、計測期間、エラーバジェット、短期と長期の評価窓、通知しきい値を見ます。Prometheusでは、成功/失敗の比率をrateで計算し、許容失敗率に対して何倍で消費しているかを出す設計がよく使われます。
- SLOの対象ユーザー操作と失敗条件を明確にする。
- 短期窓と長期窓の両方でバーンレートを見る。
- 通知時に残りエラーバジェットと想定影響を表示する。
よくある誤解
SLOバーンレートは万能の障害検知ではありません。SLOの定義が利用者体験とずれていると、きれいな数式でも役に立たない通知になります。
また、バーンレートが高いから必ず即ロールバックとは限りません。原因が外部依存、部分利用者、計測不備のどれかで対応は変わります。数値は判断材料であり、Runbookと組み合わせて使います。
運用での使い方
SLOバーンレートを導入するときは、最初から厳しいページャー通知にせず、ダッシュボードや低優先通知で挙動を観察すると失敗しにくいです。過去障害に当てはめて、どのタイミングで鳴るべきだったかを検証します。
関連語はSLO、エラーバジェット、メトリクスです。信頼性を感覚ではなく、利用者影響と残り余裕で語るための重要な考え方です。
関連語
同じ主要カテゴリの用語
運用・監視の学習順
同じ主要カテゴリの用語をまとめて確認できます。現在の用語を起点に、前後の用語へ進むと文脈を保ったまま読み進められます。