错误预算:把可靠性变成可讨论的数字
可靠性谈判常陷入口水战,开发要快、运维要稳。错误预算把这件事变成算术:允许多少失败,用完就得停手。
预算怎么算
先定服务目标,比如一个月内 99.9% 的请求成功。剩下的 0.1% 就是可用预算,可以换算成具体的失败次数或分钟数。
目标不是越高越好。每提高一个九,成本往往翻倍,而用户未必感知得到。
预算用来做什么
发布、变更、演练都要消耗预算。预算充足时可以加快节奏,预算耗尽就暂停新变更,优先做稳定性工作。
这让讨论从谁更重要变成还剩多少,决策依据统一,争执自然减少。
谁来记账
需要一个明确的统计口径:哪些错误计入预算,重试算一次还是两次,维护窗口是否扣除。规则先定,后面才不会各算各的。
统计要自动化,手工填表很快就会失真。仪表盘上同时显示消耗速度与剩余量,趋势比当前值更重要。
预算耗尽之后
停止功能发布不等于停止一切工作。修缺陷、补监控、做容量评估都属于恢复预算的动作,要排进计划。
如果连续几个月都超支,说明目标定得过高或架构有根本问题,需要重新评估而不是继续加压。
常见的误用
把预算当成免死金牌,用完照样发布,制度就形同虚设。另一种是把预算算得过细,陷入指标本身。
它是一件工具,目的是让取舍有依据,不是给团队再加一层考核。
本文由合亚嗒资讯网编辑部整理撰写,观点仅供参考;转载请注明来源与链接。