稼働率計算ツール

稼働率とは、測定期間のうちサービスが利用可能である割合についての約束です。稼働率99.9%とは、その期間の0.1%はサービスが利用できなくてもよいという意味であり、些細に聞こえますが、実際の時間に換算すると毎月43分の停止を許容していることがわかります。

パーセンテージだけでは、さらに3つの情報がなければほとんど意味を持ちません。測定期間の長さ、何を障害とみなすか、そして誰が測定するかです。年単位で測定する99.9%のコミットメントは8時間の障害1回を吸収できますが、月単位で測定する同じ99.9%では吸収できません。SLAをめぐる争いの多くはこの点に集約されますが、この情報は数値の隣ではなく定義の項に埋もれているのが常です。

適切な水準とは、次のナインを得るコストが、それによって防げる停止のコストを上回る一歩手前です。業務時間中に使う社内レポーティングシステムなら99%でまったく問題ないことが多く、誰も違いに気づきません。決済経路や購入フローであれば、1時間の停止が、それを防ぐインフラの1年分より高くつくこともあります。

実務的には、理想から前向きに考えるのではなく、結果から逆算するのが有効です。1時間の停止が実際にいくらの損失になるか（失注、手が止まる従業員、サポート負荷、契約上の違約金）を見積もり、ナインを1つ増やすために必要なエンジニアリング投資と比べてください。設計していない水準を対外的に約束するのは、低い水準を正直に約束するより悪い結果を招きます。最初の障害が、エンジニアリングの問題を契約上の問題に変えてしまうからです。

月単位で測定する99.9%の可用性をコミットしていて、火曜の午後にデータベースのフェイルオーバーに4時間かかったとします。

残りの期間に対する意味に注目してください。4時間の障害1回で月間の予算を使い切ってしまうため、他の27日がどれほど完璧でもSLA違反になります。この非対称性こそ、可用性の取り組みが障害の発生頻度ではなく復旧時間に集中する理由です。遅い復旧1回は、速い復旧を何度か重ねるよりも高くつきます。