Бюджет ошибок (Error Budget) – практика SRE: если целевой уровень сервиса (SLO) – 99,9% успешных запросов за 30 дней, то оставшиеся 0,1% – допустимый «бюджет» ошибок или простоя. Пока бюджет не исчерпан, команда может выпускать изменения и экспериментировать; при исчерпании – приоритет отдаётся надёжности.
Пример
SLO доступности 99,9% за 30 дней означает около 43 минут допустимой недоступности. Если инцидент «съел» 30 минут, на новые рискованные изменения остаётся примерно 13 минут.
Зачем нужен
- Объективный баланс между скоростью разработки и стабильностью.
- Общий язык для разработки, эксплуатации и бизнеса.
- Правила: что делать при исчерпании бюджета (заморозка релизов, работа над надёжностью).
Как внедрить
- Определить SLI и SLO для ключевых пользовательских сценариев.
- Измерять расход бюджета в системе мониторинга.
- Согласовать политику действий при исчерпании.