Error Budget: erlaubter Ausfall
Wenn Ihr SLO 99,9 % über 30 Tage lautet, dürfen 0,1 % schiefgehen. Das ist Ihr Error Budget. Bei einem zeitbasierten SLO sind das rund 43 Minuten Ausfall in 30 Tagen. Bei einem anfragebasierten SLO mit 100.000 Anfragen pro Tag sind es 3.000 fehlerhafte Anfragen im Zeitraum.
Das Budget ist kein Versagen, sondern ein Spielraum. Solange Budget übrig ist, darf das Team Risiken eingehen: neue Releases, Umbauten, Experimente. Ist es aufgebraucht, hat Zuverlässigkeit Vorrang.
Burn Rate: wie schnell das Budget schmilzt
Die Burn Rate gibt an, wie schnell Sie Ihr Budget im Verhältnis zum Plan verbrauchen:
- Burn Rate 1: Das Budget reicht genau bis zum Ende des Zeitraums.
- Burn Rate 2: doppelt so schnell. Nach 15 von 30 Tagen ist das Budget aufgebraucht.
- Burn Rate 14,4: In einer Stunde sind 2 % des Monatsbudgets weg, nach gut zwei Tagen alles.
Berechnung bei einer Fehlerquote: Burn Rate = aktuelle Fehlerquote ÷ erlaubte Fehlerquote. Bei einem SLO von 99,9 % (erlaubt: 0,1 %) und einer aktuellen Fehlerquote von 0,5 % ergibt sich eine Burn Rate von 5.
Berechnung bei Ausfallminuten: Burn Rate = verbrauchter Anteil des Budgets ÷ vergangener Anteil des Zeitraums. Wer nach 10 von 30 Tagen schon 50 % verbraucht hat, liegt bei einer Burn Rate von 1,5.
Warum Alarme auf die Burn Rate besser sind
Klassische Alarme lösen bei festen Schwellen aus, etwa “Fehlerquote über 1 %”. Das führt entweder zu Fehlalarmen bei kurzen Ausreißern oder zu späten Alarmen bei schleichenden Problemen. Burn-Rate-Alarme fragen dagegen: Gefährdet das, was gerade passiert, unser Ziel?
Multi-Window-Alarme nach dem Google SRE Workbook
Das Google SRE Workbook empfiehlt für ein 30-Tage-SLO drei Stufen:
| Burn Rate | Langes Fenster | Kurzes Fenster | Budget verbraucht | Aktion |
|---|---|---|---|---|
| 14,4 | 1 Stunde | 5 Minuten | 2 % | Page (sofort alarmieren) |
| 6 | 6 Stunden | 30 Minuten | 5 % | Page |
| 1 | 3 Tage | 6 Stunden | 10 % | Ticket |
Ein Alarm löst nur aus, wenn die Burn Rate in beiden Fenstern über der Schwelle liegt. Das lange Fenster sorgt dafür, dass ein kurzer Ausreißer keinen Alarm auslöst. Das kurze Fenster sorgt dafür, dass der Alarm schnell wieder verschwindet, wenn das Problem behoben ist.
Wer wird wann informiert?
Ein einfaches Ampelschema hilft, Verantwortung festzulegen:
- Grün: Verbrauch im Plan. Das Team behält ihn im Blick.
- Gelb: Burn Rate über 1 oder die Hälfte des Budgets verbraucht. Der Product Owner wird informiert, riskante Releases werden geprüft.
- Rot: Budget aufgebraucht oder sehr hohe Burn Rate. Incident Commander und Management sind eingebunden, bei SLA-Bezug werden Kunden über die Statusseite informiert.
Die Schwellen sind ein Startpunkt und werden für Ihre Services abgestimmt.
Selbst ausrechnen
Mit dem SLO-, Error-Budget- und Burn-Rate-Rechner berechnen Sie Budget, aktuelle Burn Rate und Alarmschwellen für Ihr eigenes SLO, direkt im Browser.