月底给甲方交服务月报,正文里一行「本月可用性达标三个九」。第二天对方回了一句:三个九是怎么算出来的?统计窗口多长?计划内维护算不算停机?就这三个问题,我把上个月的口径翻了个底朝天才答齐。从那以后,每次交报告前都过一遍这份清单——条目以数据鱼API的可用性监控接口为参照整理。
下面拿数据鱼API的「API 可用性监控」服务当例子。它的 uptime 端点接收统计窗口与停机分钟数,返回可用性百分比与达标状态,正好把口径逐项说清。
交报告前,过这七条
窗口先对齐。数据鱼这个接口的 uptime 端点里,total 参数单位是分钟,默认值 43200 正好是三十天。甲方按自然月、你按滚动三十天,数字就会对不上——先说清窗口再报数。
停机口径要摊开。down 参数传停机分钟数,默认 0。计划内维护算不算停机,合同里写了就按写的报,没写就提前确认,别事后补解释。
百分比别手算。返回里的 uptime_percent 字段直接可用:示例口径下 total 为 43200、down 为 0 时返回 100。手算再四舍五入,容易和接口结果差在小数点后,而这恰恰是甲方最爱追问的地方。
达标判定引用字段原文。sla_status 字段返回类似 "Met (Three Nines)" 的判定结果。报告里写「三个九」时把这个字段值一并附上,口径可追溯。
延迟单独说。latency 端点用 ms 参数提交延迟样本,默认 100。可用性和延迟是两件事,别用一行数字糊在一起,混报的数字经不起拆。
上游挂了不造假。上游依赖不可用时返回 5032,且不返回编造数据。报告里遇到这类错误,如实标注数据缺口,别脑补一个好看的百分比——缺口的说明比完美的好看更可信。
参数留档。每次调用的 total、down 原值存进报告附录。三个月后甲方再来问,你翻得出来,信任就是靠这个续上的。
报数之前,先把窗口和目标各换算一次,两张小表够用:
统计窗口 total(分钟) 常见用途
一天 1440 单次故障复盘
七天 10080 周报口径
三十天 43200 接口默认值,滚动月常用
三十一天 44640 自然月按大月折算
目标 三十天窗口内允许停机
99% 432 分钟
99.9% 43.2 分钟
99.95% 21.6 分钟
两张表连起来读,口径分歧立刻现形:甲方说三个九,就翻成三十天里四十三分钟,再问这四十三分钟里计划内维护占多少、有没有算进 down。百分比上的小数点争不出结果,落到分钟上一算就清楚。数据鱼这个接口把 total 与 down 都收成分钟,等于逼着提问的人先想清楚窗口,这一步比公式本身有用。换算表不必铺在正文,放进附录就够,正文留结论和口径说明,要核的时候再翻。
数字要经得起追问
SLA 报告的本质不是报喜,而是证明「这个数字怎么来的」。默认值 43200 这类细节,平时没人问,问的时候答不上来,信任就打折。把口径字段化、参数留痕,比把数字做大重要得多——毕竟报告的读者会换,口径不能换。
还有一个容易漏的细节:latency 端点只收一个 ms 参数,返回结构与 uptime 同形,都是 total、down、uptime_percent、sla_status 四个字段。也就是说延迟样本算出来的结果,落点仍是可用性口径,报告里引用时要把「这是延迟」写清楚,别让读者误当成停机分钟。这类监控能力仅用于自有服务或已获授权的系统观测,观测对象先确认授权,再谈数字。
以上端点、参数与返回字段说明,整理自数据鱼API「API 可用性监控」接口的公开文档;SLA 判定口径以双方合同约定为准。