उपलब्धता, क्षमता और प्रदर्शन
उपलब्धता, क्षमता और प्रदर्शन प्रबंधन सेवा को उस माँग के लिए उपयोग-योग्य, पर्याप्त बड़ी और पर्याप्त तेज़ रखते हैं जिसका वह सामना करती है; वे तब काम करते हैं जब लक्ष्य उपयोगकर्ता की ज़रूरतों से आते हैं, जोखिम रिडंडेंसी और परीक्षण से डिज़ाइन में ही हटाए जाते हैं, और पूर्वानुमानों पर भरोसा करने के बजाय उन्हें वास्तविकता से जाँचा जाता है।
यह क्यों मायने रखता है
उपयोगकर्ता किसी सेवा को सबसे पहले तीन बातों पर आँकते हैं: क्या मैं इसका उपयोग कर सकता हूँ, क्या यह तब सँभलती है जब बहुत लोग इसका उपयोग करें, और क्या यह तेज़ है? इनमें से किसी पर भी विफलता खोए काम, छोड़ी गई ख़रीदारी और क्रोधित कॉलों के रूप में दिखती है। फिर भी तीनों की उपेक्षा बुरे दिन तक आसान है: ऐसा लॉन्च जो ट्रैफ़िक दोगुना कर दे, ऐसी समय-सीमा जो आख़िरी घंटे में सबको प्रणाली पर भेज दे, किसी एक घटक की विफलता जिस पर सब कुछ निर्भर है यह किसी को पता नहीं था।
ये अभ्यास उन बुरे दिनों को पहले से उनके बारे में सोचकर टालने के लिए हैं। वे पूछते हैं कि सेवा कितनी विफलता सह सकती है और उसकी क्या क़ीमत है, उसे कितनी माँग सँभालनी है और वह माँग कैसे बढ़ेगी, और उसे कितनी तेज़ी से उत्तर देना चाहिए। वे उत्तर देते हैं रिडंडेंसी जैसे डिज़ाइन-चुनावों से, ऐसे परीक्षणों से जो उपयोगकर्ताओं से पहले सीमाएँ खोजते हैं, और ऐसे पूर्वानुमानों से जिन्हें जाँचा और अद्यतन किया जाता है।
ITIL 4 तीन संबंधित अभ्यासों का वर्णन करता है: उपलब्धता प्रबंधन, क्षमता और प्रदर्शन प्रबंधन, और निकटता से संबंधित सेवा निरंतरता प्रबंधन («विषय 3.12 — सेवा निरंतरता प्रबंधन»)। इंजीनियरिंग टीमें उनसे विश्वसनीयता इंजीनियरिंग, प्रदर्शन इंजीनियरिंग और क्षमता-योजना के रूप में मिलती हैं, SLO और त्रुटि बजट के उपयोग से («विषय 2.6 — साइट रिलायबिलिटी इंजीनियरिंग»)। यह विषय विचारों को साथ लाता है और समझाता है कि अनावश्यक सजावट के बिना उनका उपयोग कैसे करें: ज़्यादा उपलब्धता हमेशा बेहतर नहीं है, क्योंकि हर अतिरिक्त नौ की क़ीमत ज़्यादा है। यह सेवा स्तर प्रबंधन («विषय 3.7 — सेवा स्तर प्रबंधन») और निगरानी («विषय 3.10 — निगरानी और इवेंट प्रबंधन») से जुड़ता है।
मूल अवधारणाएँ
उपलब्धता। सेवा की यह क्षमता कि आवश्यकता पड़ने पर वह अपना सहमत कार्य करे। Wikipedia उपलब्धता को उस समय के अनुपात के रूप में वर्णित करता है जब प्रणाली कार्यरत है। इसे आमतौर पर किसी अवधि पर प्रतिशत के रूप में व्यक्त किया जाता है, जैसे एक महीने में 99.9 प्रतिशत, जो लगभग 43 मिनट के डाउनटाइम की अनुमति देता है। यह संख्या तभी सार्थक है जब आप परिभाषित करें कि उपयोगकर्ताओं के लिए "कार्यरत" का क्या अर्थ है।
विश्वसनीयता और रखरखाव-योग्यता। विश्वसनीयता यह है कि सेवा बिना विफलता कितनी देर चलती है; रखरखाव-योग्यता यह कि उसे कितनी जल्दी बहाल किया जा सकता है। उपलब्धता दोनों पर निर्भर करती है। विश्वसनीयता इंजीनियरिंग (reliability engineering) और विफलताओं के बीच औसत समय (MTBF, mean time between failures) पर Wikipedia के लेख माप का वर्णन करते हैं। कई आधुनिक सेवाओं में तेज़ बहाली दुर्लभ विफलता से अधिक प्राप्य है।
रिडंडेंसी और विफलता के एकल बिंदु। रिडंडेंसी का अर्थ है अतिरिक्त घटक रखना ताकि एक विफलता सेवा न रोके। विफलता का एकल बिंदु ऐसा घटक है जिसकी विफलता सब कुछ रोक देती है। रिडंडेंसी (redundancy) और विफलता के एकल बिंदु (single points of failure) पर Wikipedia के लेख विचारों का वर्णन करते हैं। विफलता के एकल बिंदु खोजना, जिनमें लोग, आपूर्तिकर्ता और समाप्त होने वाले प्रमाणपत्र शामिल हैं, उपलब्धता का मूल कार्य है।
दोष-सहनशीलता और शालीन अवनति। दोष-सहनशील प्रणाली हिस्से विफल होने पर भी काम करती रहती है; जो शालीन ढंग से अवनत होती है वह कुछ कार्य खोती है पर अपना केंद्र बनाए रखती है। उदाहरण के लिए, ख़रीदारी की साइट सिफ़ारिशें बंद कर सकती है पर ऑर्डर संसाधित करती रहती है। जहाँ पूर्ण सहनशीलता बहुत महँगी है वहाँ दूसरे के लिए डिज़ाइन करें।
फ़ेलओवर। मुख्य घटक के विफल होने पर स्टैंडबाई घटक पर जाना। इसे परखा जाना चाहिए; अपरीक्षित फ़ेलओवर अक्सर ज़रूरत पर विफल होता है। देखें «विषय 3.12 — सेवा निरंतरता प्रबंधन»।
क्षमता। अधिकतम थ्रूपुट जो सेवा डिलीवर कर सकती है। क्षमता प्रबंधन सुनिश्चित करता है कि सहमत लागत पर वर्तमान और भविष्य की माँग को पूरा करने के लिए पर्याप्त हो, और पर्याप्त से बहुत ज़्यादा नहीं। क्षमता-योजना (capacity planning) पर Wikipedia का लेख इसका वर्णन करता है।
माँग। सेवा पर पड़ने वाला भार: उपयोगकर्ता, अनुरोध, डेटा की मात्रा। माँग घंटे, दिन, मौसम और आयोजन के अनुसार बदलती है, और लॉन्च, अभियानों और बाहरी घटनाओं से प्रभावित होती है। पैटर्न को समझना औसत से ज़्यादा मायने रखता है।
मापनीयता और ऑटोस्केलिंग। संसाधन जोड़कर अधिक भार सँभालने की क्षमता। क्लाउड प्लेटफ़ॉर्म स्वचालित स्केलिंग की अनुमति देते हैं जो भार बढ़ने पर क्षमता जोड़ती है। यह मदद करती है पर योजना की ज़रूरत नहीं हटाती: उसकी सीमाएँ हैं, उसमें धन लगता है, और वह ऐसे डेटाबेस को ठीक नहीं करती जो स्केल नहीं कर सकता। देखें «विषय 4.5 — वित्तीय प्रबंधन और FinOps»।
प्रदर्शन। सेवा कितनी तेज़ी से और कुशलता से उत्तर देती है। आम माप हैं विलंबता (किसी अनुरोध में कितना समय लगता है), थ्रूपुट (कितने अनुरोध सँभाले जाते हैं) और त्रुटि दर। Wikipedia इंजीनियरिंग में विलंबता (latency) का वर्णन करता है। उपयोगकर्ता धीमी पूँछ पर ध्यान देते हैं, इसलिए केवल औसत नहीं, 95वें जैसे प्रतिशतक देखें। देखें «विषय 3.7 — सेवा स्तर प्रबंधन»।
कतार और संतृप्ति। जब प्रणाली पूरे उपयोग के निकट पहुँचती है, तो प्रतीक्षा का समय तेज़ी से बढ़ता है। कतार-सिद्धांत (queueing theory), जिसका Wikipedia पर वर्णन है, समझाता है कि क्षमता के 95 प्रतिशत पर चल रही सेवा 60 प्रतिशत पर चल रही सेवा से इतनी अलग क्यों लगती है। गुंजाइश (headroom) छोड़ें।
प्रदर्शन इंजीनियरिंग और परीक्षण। केवल अंत में नहीं, पूरे विकास में प्रदर्शन के लिए डिज़ाइन और परीक्षण करना। लोड परीक्षण अपेक्षित माँग लगाता है; स्ट्रेस परीक्षण टूटने के बिंदु खोजने के लिए उससे आगे धकेलता है। Wikipedia दोनों का वर्णन करता है। यथार्थवादी डेटा के साथ, उत्पादन जैसे परिवेश में परखें।
पूर्वानुमान। इतिहास, ज्ञात आयोजनों और वृद्धि से भविष्य की माँग का अनुमान लगाना। Wikipedia पूर्वानुमान (forecasting) की विधियों का वर्णन करता है। पूर्वानुमान अनिश्चित हैं: मान्यताएँ दर्ज करें, श्रेणियाँ दिखाएँ, और जो होता है उससे भविष्यवाणियों की तुलना करें। देखें «विषय 7.5 — पूर्वानुमान विश्लेषण और फ़ोरकास्टिंग»।
लागत के समझौते। उपलब्धता या क्षमता में हर वृद्धि धन ख़र्च करती है। सही स्तर इस पर निर्भर करता है कि विफलता और धीमेपन की व्यवसाय के लिए क्या क़ीमत है। जो भुगतान करते हैं उनके साथ समझौता स्पष्ट करें, और लिख लें।
दृष्टियाँ कैसे फ़िट होती हैं। एजाइल अभ्यास विश्वसनीयता के काम को बैकलॉग का हिस्सा मानता है और जल्दी और अक्सर परखता है। AI विसंगतियाँ पहचान सकता है और पूर्वानुमान में सहायता कर सकता है, समीक्षा के अधीन। स्वचालन संसाधन स्केल करता और फ़ेलओवर करता है। विश्लेषण तीनों अभ्यासों के लिए डेटा देता है।
सर्वोत्तम अभ्यास
- उपलब्धता के लक्ष्य उपयोगकर्ता की ज़रूरत से तय करें। पूछें कि जब सेवा एक घंटा, एक दिन, एक सप्ताह बंद रहे तो क्या होता है। ऐसा लक्ष्य और लागत तय करें जो मेल खाए। "उपलब्ध" की परिभाषा उपयोगकर्ता के दृष्टिकोण से लिखें।
- विफलता के एकल बिंदु खोजें। महत्त्वपूर्ण सेवाओं के घटकों और निर्भरताओं का नक़्शा बनाएँ, और पूछें कि हर एक के विफल होने पर क्या होता है। प्रमाणपत्र, लाइसेंस, लोग और आपूर्तिकर्ता शामिल करें।
- विफलता के लिए डिज़ाइन करें। जहाँ लागत उचित हो वहाँ रिडंडेंसी उपयोग करें, घटकों को स्वतंत्र रूप से विफल होने योग्य बनाएँ, और तय करें कि केंद्र की रक्षा के लिए क्या बंद किया जा सकता है।
- फ़ेलओवर और बहाली परखें। सुरक्षित परिवेश में फ़ेलओवर का पूर्वाभ्यास करें, और उनमें लगने वाला समय दर्ज करें। जो पूर्वाभ्यास उजागर करे उसे ठीक करें।
- अपना माँग-पैटर्न जानें। घंटे, दिन और मौसम के अनुसार भार का डेटा जुटाएँ, और आगामी ज्ञात आयोजन, जैसे लॉन्च और समय-सीमाएँ, सूचीबद्ध करें। शिखरों की योजना बनाएँ, औसत की नहीं।
- गुंजाइश छोड़ें। महत्त्वपूर्ण घटकों को पूर्ण क्षमता के निकट न चलाएँ। ऐसी अलर्ट सीमाएँ तय करें जो कार्रवाई के लिए समय रहते चेतावनी दें।
- उपयोगकर्ताओं से पहले प्रदर्शन परखें। बड़े रिलीज़ों से पहले और ज्ञात शिखरों से पहले यथार्थवादी परिदृश्यों पर लोड और स्ट्रेस परीक्षण चलाएँ। सीखें कि प्रणाली कहाँ टूटती है।
- पूर्वानुमान लगाएँ और जाँचें। मान्यताओं के साथ पूर्वानुमान बनाएँ, नियमित रूप से वास्तविक आँकड़ों से उसकी समीक्षा करें, और समायोजित करें। एकल संख्याएँ नहीं, श्रेणियाँ साझा करें।
- पूँछ पर नज़र रखें। प्रतिशतक विलंबता और त्रुटि दरें रिपोर्ट करें, और सबसे धीमे अनुरोधों की जाँच करें। औसत बदक़िस्मत उपयोगकर्ताओं का अनुभव छिपाते हैं।
- लागत और जोखिम को खुलकर तौलें। स्वामियों को उपलब्धता और क्षमता के हर स्तर की क़ीमत दिखाएँ, और निर्णय तथा उसे किसने लिया, दर्ज करें।
अपनी टीम के साथ चर्चा के प्रश्न
अगर यह सेवा एक घंटा बंद रहे तो हमारे उपयोगकर्ता क्या खोएँगे, और क्या हमारा लक्ष्य मेल खाता है? यह लक्ष्यों को प्रभाव से जोड़ता है। अपेक्षा रखें कि अलग-अलग उपयोगकर्ता अलग उत्तर देंगे। वास्तविक उदाहरण माँगें। फ़ॉलो-अप में लागत के साथ लक्ष्य लिखें और किसी ग्राहक से जाँचें।
हमारे विफलता के एकल बिंदु क्या हैं, उन सहित जो मशीनें नहीं हैं? किसी एक महत्त्वपूर्ण सेवा की निर्भरताएँ बनाएँ। आश्चर्यों की अपेक्षा रखें: कोई प्रमाणपत्र जिसे कोई ट्रैक नहीं करता, कोई एकमात्र इंजीनियर, बिना बैकअप का आपूर्तिकर्ता। फ़ॉलो-अप में घटाने के लिए एक चुनें।
हमने आख़िरी बार फ़ेलओवर कब परखा, और क्या हुआ? तारीख़ और परिणाम माँगें। "कभी नहीं" या "परीक्षण परिवेश में काम किया" की अपेक्षा रखें। फ़ॉलो-अप में बहाली के बताए समय के साथ पूर्वाभ्यास की योजना बनाएँ।
इस सेवा के लिए वर्ष का सबसे व्यस्त घंटा कौन-सा है, और क्या हम उसके लिए तैयार हैं? समय-सीमाओं, लॉन्च और सेल के बारे में सोचें। पूछें कि पिछली बार क्या हुआ। फ़ॉलो-अप में अगले शिखर के लिए लोड परीक्षण की योजना बनाएँ।
हमारे पिछले तीन क्षमता पूर्वानुमान कितने सटीक थे? यह सीखने को परखता है। अपेक्षा रखें कि किसी ने जाँचा नहीं। पूर्वानुमानों की तुलना वास्तविक आँकड़ों से करें। फ़ॉलो-अप में समीक्षा-चक्र तय करें और मान्यताएँ दर्ज करें।
AI माँग का पूर्वानुमान लगाने या समस्याएँ जल्दी पहचानने में कैसे मदद कर सकता है, और हमें कैसे पता चलेगा कि वह ग़लत था? AI टेलीमेट्री में पैटर्न खोज सकता है। वह शोर पर भी फ़िट हो सकता है। पूछें कि स्वामी कौन है और उसकी तुलना किससे होगी। फ़ॉलो-अप में एक तिमाही तक मौजूदा विधि के साथ AI पूर्वानुमान चलाएँ।
व्यवहार में: सेवा प्रबंधन का एक उदाहरण
एक राष्ट्रीय विद्यार्थी ऋण एजेंसी आवेदन पोर्टल चलाती है। वर्ष के अधिकांश भाग में वह प्रतिदिन कुछ हज़ार उपयोगकर्ता सँभालती है। वार्षिक आवेदन की समय-सीमा से पहले के आख़िरी दो दिनों में वह उससे सौ गुना से कहीं ज़्यादा सँभालती है। दो साल पहले वह अंतिम शाम को क्रैश हो गया था; पिछले वर्ष वह आपातकालीन स्केलिंग और एक रात के ओवरटाइम के साथ बच गया।
सेवा स्वामी अगली समय-सीमा से बहुत पहले, जनवरी में शुरू करती हैं। वे पिछले तीन वर्षों का ट्रैफ़िक डेटा, घंटे-दर-घंटे, माँगती हैं और एक संगत आकार पाती हैं: आख़िरी सप्ताह में धीमी वृद्धि, अंतिम दिन तीव्र वृद्धि, और आख़िरी तीन घंटों में शिखर। वे टीम से विफलता के एकल बिंदु पहचानने को कहती हैं। वे पाते हैं कि पोर्टल एक आपूर्तिकर्ता द्वारा चलाई जा रही पहचान-सत्यापन सेवा पर निर्भर है जिसकी दर-सीमा निश्चित है, जो थ्रूपुट को अपेक्षित शिखर के लगभग आधे पर सीमित कर देगी।
टीम तीन काम करती है। वह आपूर्तिकर्ता से ऊँची दर-सीमा पर बातचीत करती है और आख़िरी सप्ताह के लिए अस्थायी वृद्धि पाती है। वह मार्च और जून में पिछले वर्ष के पैटर्न के साथ 30 प्रतिशत जोड़कर लोड परीक्षण चलाती है, और पाती है कि डेटाबेस अपेक्षित शिखर के लगभग 70 प्रतिशत पर अड़चन बनता है, जिसे वह रीड रेप्लिका जोड़कर और कुछ महँगी क्वेरियों को कैश करके ठीक करती है। और वह अवनत मोड तैयार करती है: अंतिम दिन अगर भार सीमा पार करे तो बचत कैलकुलेटर जैसी ग़ैर-ज़रूरी सुविधाएँ बंद कर दी जाती हैं।
समय-सीमा के दिन पोर्टल शिखर सँभाल लेता है। पहचान सेवा सबसे व्यस्त घंटे में धीमी पड़ती है पर विफल नहीं होती, और अवनत मोड एक बार 40 मिनट के लिए सक्रिय होता है। क्या बदलता है: कोई आउटेज नहीं और ओवरटाइम का संकट नहीं। क्या कठिन रहता है: आपूर्तिकर्ता की सीमा अनुबंध का मामला है जो हर वर्ष दोबारा शुरू होती है; 30 प्रतिशत वृद्धि का पूर्वानुमान एक मान्यता थी, और वास्तविक वृद्धि 22 प्रतिशत रही, इसलिए टीम ने ज़्यादा ख़र्च किया हो सकता है; और किसी ने पूरे क्षेत्र की विफलता नहीं परखी, जो अब भी सेवा रोक देगी। स्वामी इन्हें अगले वर्ष की योजना में दर्ज करती हैं।
चार दृष्टिकोण
उत्पाद और डिलीवरी टीमें
विफलता और भार के लिए डिज़ाइन करें: घटकों को स्वतंत्र बनाएँ, बनाते हुए प्रदर्शन परखें, और अपनी सीमाएँ जानें। डिज़ाइन में अवनत मोड और दर-सीमाएँ शामिल करें।
सेवा और संचालन टीमें
माँग का पैटर्न और क्षमता की गुंजाइश जानें। फ़ेलओवर का पूर्वाभ्यास करें, धीमी पूँछ पर नज़र रखें, और रुझानों की जल्दी चेतावनी दें। निर्भरता-नक़्शा अद्यतन रखें।
नेतृत्व और गवर्नेंस
लागत और जोखिम को ध्यान में रखकर उपलब्धता और क्षमता के स्तर तय करें, और उनके पीछे का प्रमाण माँगें। केवल उपकरणों का नहीं, परीक्षण और पूर्वाभ्यास का वित्तपोषण करें। ज्ञात शिखरों के प्रति सतर्क रहें।
ग्राहक और उपयोगकर्ता
प्रदाता को अपनी सबसे व्यस्त अवधियों और विफलता की आपको क्या क़ीमत पड़ती है, बताएँ। पूछें कि उपलब्धता का कौन-सा स्तर योजनाबद्ध है और चूकने पर क्या होता है।
एजाइल, AI, स्वचालन और विश्लेषण
एजाइल
विश्वसनीयता और प्रदर्शन के काम को बैकलॉग में रखें, पाइपलाइन में जल्दी और अक्सर परखें, और हर घटना और शिखर से सीखें। सावधानी: विश्वसनीयता को "बाद में" धकेलना ऐसा ऋण बनाता है जो सबसे बुरे समय पर सामने आता है।
AI
AI विसंगतियाँ पहचान सकता है, इतिहास और आयोजनों से माँग का पूर्वानुमान लगा सकता है, और स्केलिंग कार्रवाइयाँ सुझा सकता है, स्वामियों और लागत तथा जोखिम पर मानवीय निर्णयों के साथ। सावधानी: सामान्य दिनों पर प्रशिक्षित मॉडल अभूतपूर्व घटनाओं पर विफल हो सकता है; उसकी तुलना सरल आधाररेखाओं से करें और व्यक्ति को जवाबदेह रखें। देखें «विषय 5.2 — AIOps»।
स्वचालन
स्केलिंग, फ़ेलओवर, स्वास्थ्य जाँचें और पाइपलाइन में लोड परीक्षण सीमाओं और लॉग के साथ स्वचालित करें। सावधानी: ऑटोस्केलिंग लागत बढ़ा सकती है या दोषपूर्ण रिलीज़ छिपा सकती है; बजट और अलर्ट तय करें, और स्केलिंग नियम परखें। देखें «विषय 6.6 — रनबुक स्वचालन और स्वतः-उपचार»।
विश्लेषण
माँग, उपयोग, विलंबता प्रतिशतक, त्रुटि दरें और पूर्वानुमान की सटीकता जुटाएँ। सावधानी: उपयोग के लक्ष्यों को भार खिसकाकर बिगाड़ा जा सकता है, और औसत धीमी पूँछ छिपाते हैं; उपयोगकर्ता-अनुभव डेटा से जाँचें। देखें «विषय 7.5 — पूर्वानुमान विश्लेषण और फ़ोरकास्टिंग» और सेवा प्रबंधन मेट्रिक्स पुस्तक।
आम विफलता के तरीके
- आदत से लक्ष्य। बिना कारण "पाँच नौ" का वादा किया जाता है। उपयोगकर्ता की ज़रूरत और लागत से तय करें।
- छिपे हुए विफलता के एकल बिंदु। कोई प्रमाणपत्र या व्यक्ति सब कुछ रोक देता है। निर्भरताओं का व्यापक नक़्शा बनाएँ।
- अपरीक्षित फ़ेलओवर। ज़रूरत पर विफल होता है। नियमित पूर्वाभ्यास करें।
- औसत के लिए योजना। शिखर प्रणाली पर हावी हो जाते हैं। ज्ञात शिखरों की योजना बनाएँ और गुंजाइश छोड़ें।
- कभी न जाँचे गए पूर्वानुमान। त्रुटियाँ दोहराई जाती हैं। भविष्यवाणियों की तुलना वास्तविक आँकड़ों से करें।
- हर मर्ज़ की दवा के रूप में ऑटोस्केलिंग। लागत और अड़चनें बनी रहती हैं। सीमाएँ परखें और बजट तय करें।
- केवल औसत। धीमी पूँछ की अनदेखी होती है। प्रतिशतक रिपोर्ट करें।
परिपक्वता मॉडल
| आयाम | आरंभ | विकास | मानकीकरण | प्रबंधन | समन्वय |
|---|---|---|---|---|---|
| उपलब्धता | प्रतिक्रियात्मक | प्रमुख सेवाओं के लिए लक्ष्य | लक्ष्य, रिडंडेंसी और फ़ेलओवर परखे गए | उपयोगकर्ता अनुभव के विरुद्ध उपलब्धता मापी गई | सेवाओं और आपूर्तिकर्ताओं में उपलब्धता डिज़ाइन और प्रबंधित |
| क्षमता | ख़त्म होने पर जोड़ी जाती है | बुनियादी निगरानी | माँग के पैटर्न ज्ञात और मान्यताओं के साथ पूर्वानुमानित | पूर्वानुमान की सटीकता की समीक्षा | निगरानी के साथ क्षमता की योजना और स्वतः समायोजन |
| प्रदर्शन | केवल शिकायतें | कुछ माप | प्रतिशतक लक्ष्य और रिलीज़ से पहले लोड परीक्षण | प्रदर्शन के रुझान और प्रतिगमन ट्रैक | जीवनचक्र भर में प्रदर्शन इंजीनियर्ड |
| लागत की जागरूकता | अज्ञात | मोटे तौर पर ज्ञात | स्वामियों के साथ समझौते दस्तावेज़ीकृत | लागत और जोखिम की नियमित समीक्षा | लागत, जोखिम और विश्वसनीयता साथ अनुकूलित |
जाँच-सूची
- उपलब्धता के लक्ष्य उपयोगकर्ता की ज़रूरत और लागत पर आधारित हैं, स्पष्ट परिभाषा के साथ।
- महत्त्वपूर्ण सेवाओं के विफलता के एकल बिंदुओं का नक़्शा और ट्रैकिंग है।
- फ़ेलओवर का पूर्वाभ्यास और समय-माप किया गया है।
- हम अपना माँग-पैटर्न और आगामी शिखर जानते हैं।
- हम बड़े रिलीज़ों और ज्ञात शिखरों से पहले लोड परीक्षण चलाते हैं।
- पूर्वानुमान मान्यताएँ दर्ज करते हैं और वास्तविक आँकड़ों से जाँचे जाते हैं।
- हम प्रतिशतक विलंबता और त्रुटि दरें रिपोर्ट करते हैं।
- लागत और जोखिम के समझौते स्वामियों के साथ दर्ज हैं।
AI प्रॉम्प्ट
विफलता के एकल बिंदु खोजें।
यह वर्णन है कि [सेवा] कैसे काम करती है और किन पर निर्भर है: [चिपकाएँ]।
हर घटक और निर्भरता सूचीबद्ध करें, और हर एक के लिए बताएँ कि वर्णन के अनुसार उसके विफल होने पर क्या होगा, या "उल्लिखित नहीं"। विफलता के संभावित एकल बिंदु और पूछने के प्रश्न चिह्नित करें। ऐसी रिडंडेंसी न मानें जिसका वर्णन नहीं है।
जिनके बारे में आप अनिश्चित हैं उनकी सूची दें।
माँग के पैटर्न का सारांश बनाएँ।
यह [अवधि] के लिए प्रति घंटा अनुरोध-डेटा है: [सारांश या डेटा चिपकाएँ]।
दैनिक, साप्ताहिक और मौसमी पैटर्न बताएँ जो आप देख सकते हैं, शिखर-से-औसत अनुपात दें, और असामान्य दिखने वाली तारीख़ें सूचीबद्ध करें। पूर्वानुमान न लगाएँ।
जिनके बारे में आप अनिश्चित हैं उनकी सूची दें।
लोड परीक्षण योजना का मसौदा बनाएँ।
हमारी सेवा: [वर्णन करें]। अपेक्षित शिखर: [संख्या और पैटर्न]। ज्ञात सीमाएँ या चिंताएँ: [सूची]।
परिदृश्यों, लोड के स्तरों, क्या मापना है, क्या हमें रोकेगा, और परीक्षण के जोखिमों के साथ परीक्षण योजना का मसौदा बनाएँ। स्पष्ट करें कि वह केवल सुरक्षित परिवेश में चलाया जाए।
जिनके बारे में आप अनिश्चित हैं उनकी सूची दें।
AI कौशल
- capacity-planning: माँग का पूर्वानुमान लगाने और संसाधनों की योजना बनाने के लिए उपयोग करें।
- load-testing: लोड परीक्षण डिज़ाइन करने और चलाने के लिए उपयोग करें।
- performance-testing: गति और प्रतिक्रियाशीलता की जाँच के लिए उपयोग करें।
- demand-forecasting: बताई गई अनिश्चितता के साथ भविष्य की माँग का अनुमान लगाने के लिए उपयोग करें।
- chaos-testing: यह परखने के लिए उपयोग करें कि विफलताएँ कैसे फैलती हैं।
प्रमुख स्रोत
- Betsy Beyer and others (eds.), Site Reliability Engineering (2016): अधिभार सँभालने और लोड संतुलन पर अध्याय, sre.google पर निःशुल्क।
- PeopleCert, ITIL certification pages: उपलब्धता और क्षमता अभ्यासों का स्वामी का वर्णन।
- Wikipedia, "High availability" और "Capacity planning": मुख्य विचारों का अवलोकन।
- Wikipedia, "Queueing theory": प्रतीक्षा और संतृप्ति के पीछे का गणित।
संदर्भ
- Availability — Wikipedia — https://en.wikipedia.org/wiki/Availability
- High availability — Wikipedia — https://en.wikipedia.org/wiki/High_availability
- Capacity planning — Wikipedia — https://en.wikipedia.org/wiki/Capacity_planning
- Reliability engineering — Wikipedia — https://en.wikipedia.org/wiki/Reliability_engineering
- Mean time between failures — Wikipedia — https://en.wikipedia.org/wiki/Mean_time_between_failures
- Single point of failure — Wikipedia — https://en.wikipedia.org/wiki/Single_point_of_failure
- Redundancy (engineering) — Wikipedia — https://en.wikipedia.org/wiki/Redundancy_(engineering)
- Load testing — Wikipedia — https://en.wikipedia.org/wiki/Load_testing
- Queueing theory — Wikipedia — https://en.wikipedia.org/wiki/Queueing_theory
- Forecasting — Wikipedia — https://en.wikipedia.org/wiki/Forecasting
- Site Reliability Engineering: How Google Runs Production Systems — Google — https://sre.google/sre-book/table-of-contents/