コモンイベント契約書
これらのクエリを再利用可能に保つフィールド
- timestamp_utc、route_template、メソッド、および status_code
- latency_ms、request_id、リリース、環境、依存関係
- 顧客影響分析が承認された場合は、team_id または account_id
SQL より前の定義
クエリでは決定できないこと
- 1割合を計算する前に、どの応答が失敗としてカウントされるかを定義します。
- 2静かなルートが割合を独占しないように、最小リクエスト量を設定します。
- 3ルート テンプレートとリリースを長期的に比較できるほど安定した状態に保ちます。
推奨される順序
最初にビルド検出、次に診断
分析パターン
結果で決定を説明する
リクエスト量による正規化
障害数とレートおよび最小量のしきい値を組み合わせることで、静かなルートが本当に危険なエンドポイントを上回ることはありません。
安定した寸法を比較する
生の URL やその他の無制限の値ではなく、ルート テンプレート、リリース、依存関係、または環境ごとにグループ化します。
検出を影響に結び付ける
サービス レベルの変更から始めて、それに影響を与えた顧客、リリース、依存関係を特定します。
完全なレシピ
クエリをコピーし、仮定を検証します
ルート別のAPIエラー率の計算
SQL を使用して、小音量のノイズから結果を保護しながら、API ルートを 5xx エラー率でランク付けします。
意味のある 5xx エラー率が最も高いのは、どの API ルートですか?
SQL と結果を参照してください。p50、p95、p99 API レイテンシの計算
エンドポイントごとの中央値と末尾のレイテンシーを、DataFusion 互換のパーセンタイル SQL と比較します。
テール レイテンシが最も悪いエンドポイントはどれですか?
SQL と結果を参照してください。API エラーバジェット燃焼率の計算
時間ごとのリクエストの失敗を SLO バーンレート系列に変換し、許容されるエラー バジェットがどのくらいの速さで消費されるかを示します。
API は 99.9% の可用性予算をどれくらいの速さで消費していますか?
SQL と結果を参照してください。リリースごとの API 信頼性の比較
デプロイ後のすべての変更をデプロイに起因させることなく、アプリケーション リリース間でトラフィック、5xx レート、p95 レイテンシを比較します。
どのリリースで、より悪い API エラーまたはテール レイテンシーが発生しますか?
SQL と結果を参照してください。顧客の影響によるエラーのフィンガープリントのランク付け
1 つの再試行ループがインシデント ビューを支配するのではなく、正規化されたアプリケーション エラーを発生状況と影響を受けるアカウントごとにランク付けします。
最も多くの顧客アカウントに影響を与えるエラー グループはどれですか?
SQL と結果を参照してください。ルートごとの API タイムアウト率の計算
リクエスト量と設定されたタイムアウト境界を維持しながら、タイムアウト率によってルートをランク付けします。
ユーザーに影響を与えるほど頻繁にタイムアウトになる API ルートはどれですか?
SQL と結果を参照してください。依存関係の比較 p95 レイテンシー
リクエストに対するテール レイテンシの最大の原因となっているデータベース、API、キャッシュ、キューを見つけます。
テール レイテンシーと失敗率が最も悪いダウンストリームの依存関係はどれですか?
SQL と結果を参照してください。SLO に対する API の可用性の測定
毎日の可用性を計算し、サービスが明示的な目的を達成したかどうかを示します。
各サービスは 1 日あたりの可用性目標を達成しましたか?
SQL と結果を参照してください。ルートごとの API リクエスト スループットの計算
安定した API ルートによって 1 分あたりの観察されたリクエストを計算し、スループット以外のエラー量を維持します。
1 分あたり最も多くのリクエストを処理している API ルートはどれですか?
SQL と結果を参照してください。API 429 レート制限回復の測定
すべての再試行を新しいリクエストとして扱うことなく、レート制限されたリクエストが後の試行で回復する頻度を測定します。
HTTP 429 を受信したリクエストは、再試行後に正常に回復しますか?
SQL と結果を参照してください。機能ロールアウトエラー率の比較
1 つのリリースについて、機能フラグのロールアウトと制御コホート間のリクエスト エラーと平均遅延を比較します。
機能フラグのロールアウトは、コントロール コホートよりも信頼性が低いですか?
SQL と結果を参照してください。インシデントの顧客への影響を計画ごとに測定する
顧客名や生のリクエストデータを公開することなく、影響を受けるアカウントと平均影響期間をプランごとにカウントします。
各計画でインシデントの影響を受けたアカウントの数は何ですか?
SQL と結果を参照してください。しきい値の前にイベント コントラクトを適応させる
分析パターンを維持しますが、テーブル名、フィールド タイプ、ビジネス定義、時間枠、および最小ボリューム ルールを独自のイベントに対して検証します。パブリッシュされたすべてのクエリも計画され、ピン留めされたエンジンを使用して空の型付きテーブルに対して実行されます。