Aller au contenu
Cabinet d'expertise en transformation technologique · ARDIANE Group Innover, sécuriser, réussir

Lexique

Error budget : définition du budget d'erreur, calcul et politique associée

Domaine

Cloud et plateformes

L'essentiel

L'error budget, ou budget d'erreur, mesure l'écart entre 100 % et l'objectif de niveau de service (SLO) d'un service : la quantité d'échecs que cet objectif admet sur sa fenêtre de mesure. Dans les ouvrages SRE publiés par Google, une politique écrite fixe ce que font les équipes lorsque l'error budget est consommé, par exemple geler les mises en production jusqu'au retour du service dans son objectif.

Sommaire de la page

Définition de l’error budget, ou budget d’erreur

Un objectif de niveau de service fixé sous 100 % admet une part de défaillance. L’error budget, en français budget d’erreur, mesure cette part. Le « Site Reliability Workbook », que Google met en ligne (sre.google/workbook), le calcule par une soustraction : 100 % moins le SLO.

Le chapitre « Embracing Risk » du livre « Site Reliability Engineering » (sre.google/sre-book) le présente, en traduction, comme une mesure claire et objective (clear, objective metric) de la non-fiabilité permise à un service au cours d’un trimestre. Le SLO dont dépend ce calcul est défini dans notre fiche SLO, SLI et SLA.

Ce chapitre part d’une tension. L’équipe de développement est jugée sur le rythme de ses livraisons, l’équipe chargée de la fiabilité sur la stabilité du service : notre fiche sur le DevOps décrit ce cloisonnement. Le budget d’erreur leur donne un critère accepté à l’avance. Dans la boucle décrite par le chapitre, les mises en production se poursuivent tant qu’il en reste ; une fois dépensé, elles s’interrompent le temps de rendre le système plus robuste.

Calcul de l’error budget : un exemple en requêtes et en minutes

Soit le service de suivi de colis d’un transporteur, doté d’un SLO de 99,8 % de requêtes abouties sur une fenêtre glissante de 28 jours. Ces valeurs sont des hypothèses de calcul, non des valeurs conseillées.

  1. En proportion : 100 % moins 99,8 %, soit un budget de 0,2 %.
  2. En événements : pour 5 000 000 de requêtes reçues sur la fenêtre, 0,2 % représentent 10 000 requêtes en échec.
  3. En temps, à trafic constant : 28 jours comptent 40 320 minutes, dont 0,2 % font 80,64 minutes, soit environ 1 h 21 d’arrêt complet.

Un incident qui fait échouer 4 000 requêtes consomme donc 40 % du budget. Le Workbook nomme burn rate la vitesse de consommation : à 1, le budget est épuisé exactement à la fin de la fenêtre. Si le taux d’échec se maintenait à 2 %, dix fois le taux admis, le burn rate vaudrait 10 et le budget serait vidé en 2,8 jours.

La politique de budget d’erreur

Le budget n’arbitre rien sans une règle écrite (error budget policy). Selon le Workbook, elle précise les actions à mener lorsque le budget est consommé et qui les mène ; le responsable de produit, l’équipe de développement et l’équipe SRE l’approuvent. Faute d’un tel engagement, ajoute l’ouvrage, le respect du SLO reste un indicateur de suivi parmi d’autres.

L’exemple de politique publié en annexe du Workbook prévoit :

  • le gel des changements et des mises en production jusqu’au retour du service dans son objectif, hors anomalies de la plus haute priorité et correctifs de sécurité ;
  • une analyse post-incident dès qu’un seul incident consomme plus de 20 % du budget sur quatre semaines ;
  • un recours hiérarchique en cas de désaccord sur le calcul ou sur les actions.

Le chapitre « Embracing Risk » évoque aussi des réponses graduées, comme ralentir les livraisons à l’approche de l’épuisement.

Error budget, SLO, RTO, satisfaction des utilisateurs : ne pas confondre

Budget d’erreur et SLO se déduisent l’un de l’autre : fixer l’objectif fixe le budget.

Le budget ne mesure pas la satisfaction des utilisateurs : le Workbook n’y voit qu’une approximation. Sur trente jours, une interruption de quatre heures, quatre interruptions d’une heure et un taux d’erreur constant de 0,5 % ne font probablement pas autant de mécontents ; le budget les compte pourtant de la même façon.

Le temps maximal de reprise après un sinistre se fixe ailleurs, par le RTO de notre fiche RTO RPO.

Le budget n’est pas davantage une sanction : l’exemple de politique du Workbook précise ne pas avoir vocation à punir un objectif manqué. Les autres pratiques de la discipline figurent dans notre fiche SRE.

Pour l’écriture de cette politique avec les métiers et la technique, puis l’alignement des alertes sur la consommation du budget, voir notre page SRE et observabilité.

FAQ

Questions fréquentes

Une autre question ? Posez-la-nous

Comment calcule-t-on un error budget ?

L'error budget se calcule en retranchant l'objectif de niveau de service de 100 % : un SLO de 99,9 % laisse un budget de 0,1 %, selon l'exemple du Site Reliability Workbook, que Google met en ligne. Ce taux s'applique ensuite au nombre d'événements de la fenêtre de mesure. Dans le même exemple, un million de requêtes reçues en quatre semaines donnent un budget de mille erreurs.

Que se passe-t-il quand l'error budget est épuisé ?

Lorsque l'error budget est épuisé, la politique de budget d'erreur dit quoi faire : un document écrit que le Site Reliability Workbook, mis en ligne par Google, fait approuver à l'avance par le responsable de produit, l'équipe de développement et l'équipe chargée de la fiabilité. L'ouvrage cite parmi les mesures possibles la priorité donnée aux défauts de fiabilité et le gel de certains changements jusqu'au retour dans l'objectif. L'exemple de politique qu'il publie excepte de ce gel les correctifs de sécurité.

Qu'est-ce que le burn rate d'un error budget ?

Le burn rate, ou vitesse de consommation, mesure le rythme auquel un service dépense son error budget, rapporté à son objectif de niveau de service. Selon le Site Reliability Workbook, un burn rate de 1 épuise le budget exactement à la fin de la fenêtre de mesure, et un burn rate de 2 l'épuise en la moitié de ce temps. L'ouvrage s'en sert pour régler le déclenchement des alertes.

Un projet à faire aboutir ?

Un premier échange suffit pour situer votre enjeu, identifier les bons interlocuteurs et vous dire franchement ce que nous pouvons apporter.