SLO サービスレベル目標

本書への推薦の言葉
序文
監訳者まえがき
はじめに

第I部　SLOの開発

1章　信頼性スタック
    1.1　サービスの真実
    1.2　信頼性スタック
        1.2.1　サービスレベル指標
        1.2.2　サービスレベル目標
        1.2.3　エラーバジェット
    1.3　サービスとは何か
        1.3.1　サービスの例
    1.4　念頭におくべきこと
        1.4.1　SLOは単なるデータである
        1.4.2　SLOはプロセスでありプロジェクトではない
        1.4.3　すべてを反復する
        1.4.4　世界は変化する
        1.4.5　すべて人に関わる
    1.5　まとめ

2章　信頼性についての考え方
    2.1　信頼性工学（リライアビリティエンジニアリング）
    2.2　過去のパフォーマンスとユーザー
        2.2.1　暗黙の合意
        2.2.2　合意の形成
        2.2.3　信頼性のうまくいった例
    2.3　どの程度の信頼性が必要か
        2.3.1　100%は不要である
        2.3.2　信頼性にはコストがかかる
        2.3.3　信頼性についての考え方
    2.4　まとめ

3章　意味のあるサービスレベル指標の開発
    3.1　意味のあるSLIがもたらすもの
        3.1.1　ユーザーの満足
        3.1.2　満足するエンジニア
        3.1.3　満足するビジネス
    3.2　多くの事象についての配慮
        3.2.1　リクエスト／レスポンスサービス
        3.2.2　少数の計測のみによる多数の計測
        3.2.3　文章で書かれた例
    3.3　さらに複雑なもの
        3.3.1　複雑なサービスにおけるユーザーの信頼性の計測
        3.3.2　他の記述例
        3.3.3　社内の連携とSLI
    3.4　まとめ

4章　適切なサービスレベル目標の選択
    4.1　信頼性の目標値
        4.1.1　ユーザーの満足
        4.1.2　信頼性が高すぎることの問題
        4.1.3　9という数の問題
        4.1.4　多すぎるSLOの問題
    4.2　サービスの依存対象とコンポーネント
        4.2.1　サービスの依存対象
        4.2.2　サービスコンポーネント
    4.3　所有していないものに対する信頼性
        4.3.1　オープンソースまたはホストされているサービス
        4.3.2　ハードウェアの計測
    4.4　目標値の選択
        4.4.1　過去のパフォーマンス
        4.4.2　統計の基本
        4.4.3　メトリクスの属性
        4.4.4　パーセンタイルの閾値
        4.4.5　履歴がない場合の対処
    4.5　まとめ

5章　エラーバジェットの使い方
    5.1　実際のエラーバジェット
        5.1.1　新機能をリリースするか否か
        5.1.2　プロジェクトの焦点
        5.1.3　リスク要因の検査
        5.1.4　実験とカオスエンジニアリング
        5.1.5　負荷テストおよびストレステスト
        5.1.6　ブラックホール演習
        5.1.7　バジェットの意図的な消費
        5.1.8　人間に適用されるエラーバジェット
    5.2　エラーバジェットの計測
        5.2.1　エラーバジェットの確立
        5.2.2　意思決定
        5.2.3　エラーバジェットポリシー
    5.3　まとめ

第II部　SLOの実装 

6章　同意の獲得
    6.1　エンジニア仕事はコードだけではない
    6.2　主要な利害関係者
        6.2.1　開発
        6.2.2　製品
        6.2.3　運用
        6.2.4　QA
        6.2.5　法務
        6.2.6　経営幹部
    6.3　活動方針
        6.3.1　活動の順序
        6.3.2　一般的な反対意見とその克服方法
        6.3.3　初めてのエラーバジェットポリシー（および初めてのクリティカルテスト）
    6.4　苦労して習得した教訓
    6.5　まとめ

7章　SLIとSLOの計測
    7.1　設計目標
        7.1.1　柔軟な目標値
        7.1.2　テスト可能な目標値
        7.1.3　鮮度
        7.1.4　コスト
        7.1.5　信頼性
        7.1.6　組織の制約
    7.2　通常の仕組み
        7.2.1　集中型の時系列統計（メトリクス）
        7.2.2　構造化イベントデータベース（ログ）
    7.3　よくある事例
        7.3.1　レイテンシー重視のリクエスト処理
        7.3.2　低ラグ、高スループットのバッチ処理
        7.3.3　モバイルクライアントとWebクライアント
    7.4　一般的な場合
    7.5　その他の考慮事項
        7.5.1　分散トレーシングとの統合
        7.5.2　SLIとSLOの発見可能性
    7.6　まとめ

8章　SLOの監視とアラート
    8.1　動機：SLOアラートとは何か、そしてなぜそれを実行すべきなのか？
        8.1.1　単純な閾値アラートの短所
        8.1.2　より良い方法
    8.2　SLOのアラートの実行方法
        8.2.1　目標値の選択
        8.2.2　エラーバジェットとレスポンスタイム
        8.2.3　エラーバジェットのバーンレート
        8.2.4　ローリングウィンドウ
        8.2.5　すべてをまとめる
        8.2.6　SLOのアラートによるトラブルシューティング
        8.2.7　まれなケース
        8.2.8　開発済みのセットアップにおけるSLOのアラート
    8.3　別れの推奨事項
    8.4　まとめ

9章　SLIとSLOの確率と統計
    9.1　確率について
        9.1.1　SLIの例：可用性
        9.1.2　SLIの例：低いQPS
    9.2　統計について
        9.2.1　最尤推定
        9.2.2　最大事後確率
        9.2.3　ベイズ推定
        9.2.4　SLIの例：キューイングレイテンシー
        9.2.5　バッチ処理のレイテンシー
    9.3　SLIの例：耐久性
    9.4　さらに詳細な参考資料
    9.5　まとめ

10章　信頼性を得るためのアーキテクチャ
    10.1　サンプルシステム：画像提供サービス
        10.1.1　アーキテクチャに関する検討事項：ハードウェア
        10.1.2　アーキテクチャに関する検討事項：モノリスかマイクロサービスか
        10.1.3　アーキテクチャに関する検討事項：障害の形態の予測
        10.1.4　アーキテクチャに関する検討事項：3種類のリクエスト
        10.1.5　システムおよび構成要素
        10.1.6　システムの定量分析
        10.1.7　計装！システムにも計装が必要である！
    10.2　アーキテクチャに関する検討事項：ハードウェアについての再考
    10.3　システムのSLIの結果としてのSLO
    10.4　依存関係の識別および理解の重要性
    10.5　まとめ

11章　データの信頼性
    11.1　データサービス
        11.1.1　データアプリケーションの設計
    11.2　データサービスのユーザー
    11.3　計測可能なデータの目標の設定
        11.3.1　データおよびデータアプリケーションの信頼性
        11.3.2　データ属性
        11.3.3　データアプリケーション属性
    11.4　システム設計の関心事
        11.4.1　データアプリケーションの障害
        11.4.2　その他の品質
    11.5　データリネージ
    11.6　まとめ

12章　適切に機能した例
    12.1　犬にも服を着せるべき
        12.1.1　サービスの成長過程
        12.1.2　サービスの設計
    12.2　ユーザージャーニーとしてのSLIとSLO
        12.2.1　顧客：製品の検索と閲覧
        12.2.2　ユーザーとしてのその他のサービス：製品の購入
        12.2.3　内部ユーザー
        12.2.4　サービスとしてのプラットフォーム
    12.3　まとめ

第III部 SLOの文化 

13章　SLO文化の構築
    13.1　SLOのない文化
    13.2　文化を移行するための戦略
    13.3　SLOの文化への道
        13.3.1　同意を得る
        13.3.2　SLOの作業を最優先する
        13.3.3　SLOを実装する
        13.3.4　SLIはどうなるか
        13.3.5　SLOはどうなるか
        13.3.6　SLOを活用する
        13.3.7　SLOの定義を繰り返す
        13.3.8　SLOが十分に適切になった時を判断する
        13.3.9　SLOの活用を他の人々に提唱する
    13.4　まとめ

14章　SLOの進化
    14.1　SLO事始め
        14.1.1　最初のパス
        14.1.2　ユーザーからの聞き取り
        14.1.3　定期的な見直し
    14.2　使用方法の変更
        14.2.1　増加した利用率の変更
        14.2.2　減少した利用率の変更
        14.2.3　機能による利用率の変更
    14.3　依存関係の変更
        14.3.1　サービスの依存対象の変更
        14.3.2　プラットフォームの変更
        14.3.3　依存対象の導入または退役
    14.4　障害に誘発される変更
    14.5　ユーザーの期待と要求の変更
        14.5.1　ユーザーの期待の変更
        14.5.2　ユーザーの要求の変化
    14.6　ツールの変更
        14.6.1　計測の変更
        14.6.2　計算の変更
    14.7　直感に基づく変更
    14.8　野心的なSLOの設定
    14.9　不正確なSLOの識別
        14.9.1　ユーザーからの聞き取り（再検討）
        14.9.2　障害への配慮
    14.10　SLOの変更方法
        14.10.1　再検討のスケジュール
    14.11　まとめ

15章　発見可能で理解可能なSLO
    15.1　理解可能性
        15.1.1　SLOの定義ドキュメント
        15.1.2　表現法
    15.2　発見可能性
        15.2.1　ドキュメントのリポジトリ
        15.2.2　発見可能性のためのツール
        15.2.3　SLOのレポート
        15.2.4　ダッシュボード
    15.3　まとめ

16章　SLOの提唱
    16.1　クロール
        16.1.1　あなた自身による調査研究の実施
        16.1.2　セールストークの準備
        16.1.3　サポートする成果物の作成
        16.1.4　最初のトレーニングとワークショップの実施
        16.1.5　単一のサービスに関するSLOのパイロット版の実装
        16.1.6　あなたのメッセージの拡散
        16.1.7　課題の処理方法の学習
    16.2　ウォーク
        16.2.1　初期の採用者との連携によるより多くのサービスのSLOの実装
        16.2.2　達成の祝福と自信の構築
        16.2.3　ケーススタディのライブラリの作成
        16.2.4　トレーナーの増員によるトレーニングプログラムの拡大
        16.2.5　コミュニケーションの規模の拡大
    16.3　ラン
        16.3.1　SLOに関するケーススタディのライブラリの共有
        16.3.2　SLOのエキスパートで構成されるコミュニティの創設
        16.3.3　継続的な改善
    16.4　まとめ

17章　信頼性のレポート
    17.1　基本的なレポート
        17.1.1　インシデントのカウント
        17.1.2　深刻度レベル
        17.1.3　平均X時間の問題
        17.1.4　基本的なレポートのためのSLO
    17.2　高度なレポート
        17.2.1　SLOの状態
        17.2.2　エラーバジェットの状態
    17.3　まとめ

付録A　SLOの定義のテンプレート
付録B　9章の証明

索引