Escolhendo os SLIs Certos

Comece pelo que seus usuários se importam. Para um serviço de checkout, os usuários se importam com três coisas: consigo concluir minha compra (disponibilidade), quanto tempo isso leva (latência), e ele me cobra o valor certo (correção). Eu escolheria SLIs entre os quatro sinais de ouro: latência, taxa de erro, throughput e saturação. Mas nem todos viram SLOs. Para um serviço de checkout, eu focaria em: 1. Disponibilidade -- a proporção de requisições de checkout bem-sucedidas (não-5xx) sobre o total de requisições. Esse é seu SLI mais importante porque um checkout quebrado custa dinheiro diretamente. 2. Latência -- o tempo de resposta no percentil 95 para conclusão do checkout. Não a média, porque médias escondem a latência de cauda. Um p95 de 2 segundos significa que 5% dos seus usuários estão esperando mais do que isso, e esses são frequentemente clientes pagando no meio da compra. 3. Correção -- a porcentagem de transações de checkout onde o valor cobrado corresponde ao total do carrinho. Isso é fácil de esquecer, mas uma cobrança errada é pior do que uma página lenta. Eu deixaria de fora o throughput como meta de SLO porque ele varia naturalmente com os padrões de tráfego. É bom monitorar, mas ruim como objetivo. Eu também olharia os SLIs da perspectiva do usuário, não do servidor. Meça no load balancer ou na borda, não dentro da sua aplicação, porque isso está mais perto do que o usuário realmente experimenta.