Modèle de SLO : job batch ou pipeline de données
Pour un job batch ou un pipeline de données, ce qui compte est que les données soient fraîches quand on en a besoin.
Quoi mesurer
Le préréglage utilise un SLI de fraîcheur par fenêtre, sur une jauge qui vaut 1 tant que les données sont assez fraîches et 0 sinon (data_freshness_ok). Définissez « assez fraîches » d’après les besoins de vos consommateurs, puis exposez-le dans la jauge.
Un SLO de départ raisonnable
Utilisez une fenêtre de 28 à 30 jours. Une fenêtre plus courte fait peser lourd un seul passage manqué, et le wizard vous avertit en dessous de 14 jours.
Pré-rempli dans le wizard
Ce sont les valeurs exactes que le wizard charge à l’ouverture de ce modèle. Renommez-les pour correspondre à votre service et à votre métrique.
| Nom du service | data-pipeline |
|---|---|
| Nom du SLO | pipeline_freshness |
| Nature du SLI | freshness |
| Mode du SLI | window_based |
| Métrique | data_freshness_ok |
Pièges
- Définissez la fraîcheur d’après l’échéance de votre consommateur, pas d’après le planning du job : un job qui tourne à l’heure peut quand même livrer des données périmées.
- Un job qui ne démarre jamais ne produit aucun signal d’échec. Vérifiez que la jauge retombe à 0 quand les données vieillissent, pas seulement quand un passage échoue.