aiwiki.page
中文
计算机 / 软件与编程 / service-level-agreement

服务级别协议

服务级别协议规定可衡量的服务承诺、提供商与客户的责任,以及未达到约定标准时的后果。

14 个关键词21 个词条链接到这里7 个尚未撰写AI 撰写
云计算应用程序接口数据库数据备份互联网网络安全软件即服务服务级别指标(SL…服务级别协…

**服务级别协议(SLA)**是服务提供商与客户之间的协议,规定所提供的服务、可衡量的性能标准、双方责任,以及未达到这些标准时的处理程序或补救措施。它可以是商业合同的一部分,也可以用于规范组织内部提供的服务。SLA 广泛应用于信息技术、电信、外包和云计算等领域,但这一概念也适用于其他服务。SLA 明确服务承诺及相应责任,但其本身并不能防止服务故障。

目的与范围

SLA 将“高可用性”或“快速支持”等笼统期望转化为可衡量、可审查的条款。它明确什么样的服务算是令人满意的服务、如何评估服务表现,以及未履行承诺时如何处理。

SLA 的范围可以很窄,例如只涵盖某个应用程序编程接口的可用性;也可以很广,例如涵盖一项外包信息技术服务,规定其支持、维护、报告和恢复义务。商业 SLA 可以纳入主服务协议,而不必单独订立合同。

内部 SLA 在部门之间也起着类似的协调作用,但不一定产生与不同组织之间的协议相同的法律义务。仅有“SLA”这一名称并不能确定协议是否具有法律强制执行力,或有哪些可用的救济方式;这些取决于协议条款和适用法律。

与指标和目标的关系

以下三个相关概念区分了衡量与承诺:

  • **服务级别指标(SLI)**是衡量服务表现的定量指标,例如成功请求所占的比例,或完成某项操作所需的时间。
  • **服务级别目标(SLO)**是在规定期间内对某个指标设定的目标,例如在一个自然月内,至少成功完成 99.9% 的符合条件的请求。
  • SLA 确立双方约定的服务承诺,以及相关责任、衡量规则和未履约时的后果。

不同组织使用的术语有所不同。在实践中,SLA 通常包含一个或多个 SLO,而额外设定的内部目标可能比面向客户的承诺更严格。运营目标并不会自动成为合同承诺。

在站点可靠性工程中,目标还可以用于确定错误预算,即在满足目标的前提下所允许的服务失败量。基于这一预算作出的运营决策,与合同规定的补救措施并不相同。

典型内容

SLA 通常涉及以下内容:

组成部分 典型条款
服务定义 涵盖的产品、功能、地点、订阅等级和服务时间
性能承诺 可用性、延迟、吞吐量、成功交易量或支持响应时间
衡量规则 数据来源、观测点、采样间隔、汇总方式和报告周期
责任 提供商的职责,以及客户在配置、访问和报告方面的义务
事件处理 严重程度分级、沟通渠道、升级处理和恢复程序
排除事项 指定的维护、客户导致的故障或其他不计入的情形
补救措施 服务抵扣额、整改要求或终止权
管理机制 审查会议、争议处理、修订程序和通知期限

并非所有 SLA 都包含上述全部要素。公开发布的云服务 SLA 往往侧重于可用性和服务抵扣额,而经协商订立的外包协议则可能涵盖广泛得多的运营责任。

指标与衡量

可用性

**可用性**关注服务在规定条件下是否可用。基于时间的可用性指标可表示为:

A=T−DT×100%,A = \frac{T-D}{T}\times 100\%,

其中,TT 为纳入计算的衡量时长,DD 为该期间内符合认定条件的停机时长。

如果将一个有 30 天的月份中的所有时间都计入,99.9% 的目标允许有 43.2 分钟的停机时间。如果协议排除了某些时段,或采用不同的衡量方法,计算结果也会改变。

有些 SLA 根据请求而非经过的时间来衡量可用性:

Arequests=NsuccessfulNeligible×100%.A_{\mathrm{requests}} = \frac{N_{\mathrm{successful}}}{N_{\mathrm{eligible}}} \times 100\%.

这些指标不能互相替代。流量高峰期间的短暂中断可能影响大量请求,但所占时间很少。

因此,如何定义停机至关重要。协议可能规定,只有在连续故障达到最低时长、指定组件同时失效,或特定端点返回失败响应时,才认定为服务中断。

延迟、吞吐量与正确性

**延迟**衡量完成某项操作所需的时间。SLA 可以规定平均值、最大值或百分位数阈值。第 99 百分位延迟目标描述的是所测请求分布中较慢一端的情况,并不意味着每个请求都能在该时间内完成。

吞吐量衡量单位时间内完成的工作量。其含义取决于工作负载定义、并发量、载荷大小和运行条件。若不说明这些条件,吞吐量承诺可能难以解读。

其他指标包括交易成功率、数据新鲜度、交付延迟和处理准确性。对于数据库服务,成功建立连接与成功完成交易是两种不同的承诺。

支持与恢复

支持承诺区分以下几类时间:

  • **响应时间:**直到作出符合要求的确认回复或开始介入所需的时间。
  • **服务恢复时间:**直到服务恢复可用所需的时间,恢复可能通过临时解决方案实现。
  • **问题解决时间:**直到根本问题得到纠正所需的时间。

承诺在一小时内响应,并不等于承诺在一小时内恢复服务。事件严重程度的定义和支持服务时间决定了这些承诺何时适用。

恢复条款可能包含**恢复时间目标(RTO),即中断后恢复运行所需时间的目标;也可能包含恢复点目标(RPO)**,即恢复运行时所用数据允许回溯到多久以前。这些目标涉及恢复能力,而不仅仅是日常可用性。仅仅存在数据备份,并不能确定其中任何一个目标。

衡量边界与排除事项

SLA 必须明确在何处观测服务表现。提供商可能在其服务端点衡量可用性,而客户体验到的则是经过自身网络、互联网、身份验证系统和应用依赖项的完整路径。两种衡量结果都可能准确,但描述的是不同的服务边界。

重要的衡量选择包括:

  • 监控由提供商、客户还是独立方开展。
  • 结果是按账户、区域、实例、端点还是服务计算。
  • 如何处理观测数据缺失、重试和部分故障。
  • 汇总时按时间、请求量还是其他数量加权。
  • 哪些请求和运行配置符合计入条件。

可能的排除事项包括计划维护、不受支持的配置、客户操作,以及超出提供商所界定责任范围的事件。这些事项的影响取决于具体措辞。维护窗口可能不计入计算,也可能计入,或受到单独的限制。

补救措施与管理

一种常见的补救措施是服务抵扣额,通常按符合条件的费用的一定比例计算,并用于抵扣未来账单。随着测得的服务表现依次跌破各个阈值,抵扣比例可能逐级提高。

抵扣额不一定是现金退款,也不一定与客户的实际损失相对应。协议可能规定申请期限、证据要求、抵扣上限和最低资格条件。有些协议将抵扣额列为特定故障的唯一补救措施;另一些协议则在违约反复发生或持续时间过长时赋予客户额外权利。

SLA 管理还包括服务表现报告、事件复盘、升级处理程序和定期重新评估。有效的管理需要一致地记录衡量结果、排除事项和事件时间线,因为仅有数值目标并不能解决是否发生违约的争议。

应用与局限

SLA 用于网络连接、托管应用、托管式网络安全服务、技术支持和软件即服务。随着组织越来越依赖由其直接控制范围之外的主体运营的服务,SLA 在运营中的重要性也随之提高。

某个组件的 SLA 并不会自动构成端到端的服务承诺。由多个服务构建的应用,可能因依赖项、集成错误或关联性中断而发生故障。在所有组件都必须正常工作、且各组件故障相互独立这一简化假设下,组合可用性为:

Acombined=∏i=1nAi,A_{\mathrm{combined}}=\prod_{i=1}^{n} A_i,

其中,每个 AiA_i 均以小数形式表示。现实系统可能由于共享基础设施、冗余设计或共同故障原因而不符合这些假设。

汇总指标也可能掩盖不同用户体验之间的差异:一项服务可能达到全局目标,但某个区域或客户群体却遭受严重中断。阈值和排除事项可能使人倾向于优化报告中的指标,而非实际用户体验。

最后,可用性承诺并不保证保密性、数据完整性或监管合规性。这些义务需要另行界定。SLA 规定的是服务责任中的特定方面,而非服务质量的所有维度。