SRE稳定性指标：MTBF、MTTR

1、SRE稳定性指标：MTBF、MTTR

SRE 稳定性要实现的目标就是 ”提升 MTBF、降低 MTTR”

1.1 术语简介

稳定性从衡量标准看，有两个非常关键的指标：MTTR 与 MTBF。MTBF 指示了系统正常运行的阶段，而 MTTR 则意味着系统故障状态的阶段。

• MTBF，Mean Time Between Failure，平均故障时间间隔
  • Pre-MTBF 阶段（无故障阶段，故障演练，预案系统）
  • Post-MTBF 阶段（无故障阶段，事后总结，事件管理）
• MTTR，Mean Time To Repair， 故障平均修复时间
  • MTTI ，Mean Time To ldentify，平均故障发现时间（从故障实际发生，到真正开始响应，用户反馈、监控。优化点：依赖 AIOps 的能力，提升告警准确率，做出精准的响应）
  • MTTK ，Mean Time To Know，平均故障认知时间（从响应到故障根因被定位出来。优化点：依赖 AIOps 的能力，根因分析系统，链路追踪系统）
  • MTTF ，Mean Time To Fix，平均故障解决时间（从采取措施到恢复业务为止，常见的限流、降级、熔断，兜底，重启）
  • MTTV ，Mean Time To Verify，平均故障修复验证时间（从故障解决后到通过用户反馈、监控指标观察等来确认业务是否真正恢复所用的时间）