SRE SLO/SLI/Error Budget 2026（エスアールイー）
Site Reliability Engineering。SLO Service Level Objective (例: 99.9% Availability)・SLI Service Level Indicator・SLA Service Level Agreement・Error Budget (1-SLO)・Burn Rate Multi-Window Multi-Burn-Rate Alerting・Toil・Postmortem (Blameless)・MTTR Mean Time To Recover・MTTF・Apdex・SRE Workbook (Google)・OpenSLO Spec 1.0・Sloth (SLO Generator)・Pyrra・¥0 OSS、2026年Multi-Window Burn Rate標準化。
概要
エスアールイー（SRE）とは、サービスの信頼性を数値化し、運用と開発を統合する手法です。2026年に向けて、SLO（Service Level Objective）やSLI（Service Level Indicator）の設計は「マルチウィンドウ・バーニングレート」方式へと進化し、OpenSLO Spec 1.0が正式に採用される予定です。SREは、サービス停止時間を最小限に抑えるだけでなく、エラー予算（Error Budget）を管理し、開発サイクルと運用コストを最適化します。エスアールイーは、Googleが発表したSRE Workbookをベースに、SlothやPyrraといったOSSツールで実装され、2025年からはクラウドネイティブ環境での自動化が進展しています。
主な特徴・仕組み
- SLO：例 99.9% アベイラビリティ（1日あたり 8.64 秒の停止時間を許容）
- SLI：HTTP レスポンス時間 200 ms 以下の割合を測定
- SLA：顧客契約で 99.95% の可用性を保証し、違反時はクレジットを付与
- Error Budget：SLO から 0.1% を差し引いた残りを「エラー予算」として管理
- Burn Rate：マルチウィンドウ（1h, 1d, 1w）でエラー予算消費率を可視化
- Toil：手動での運用タスクを可視化し、削減目標を設定
- Postmortem：事後分析を「Blameless」に実施し、再発防止策を文書化
- MTTR：平均復旧時間を 5 分以内に抑えることを目標に設定
- Apdex：ユーザー満足度を 0.85 以上に維持
- OpenSLO Spec 1.0：SLO/SLI を YAML で記述し、ツールチェーンに統合
スペック比較表
| 製品 | GPU | メモリ | TDP | クーラー | 価格（概算） |
|---|---|---|---|---|---|
| RTX 5090 | 24 GB GDDR7 | 450 W | 4 Lピン | ¥128,000 | |
| RTX 4090 | 24 GB GDDR6X | 450 W | 3 Lピン | ¥109,000 | |
| Radeon RX 7900 XTX | 24 GB GDDR6 | 300 W | 2 Lピン | ¥95,000 |
具体例・対応製品
-
AMD Ryzen 9 9950X3D
- クロック：3.8 GHz ベース / 5.0 GHz ブースト
- コア数：16 / スレッド数：32
- L3 キャッシュ：128 MB
- TDP：140 W
- 2025年にリリースされたデータセンターモデルで、SLO 99.99% を実現
-
Intel Xeon W‑3300
- コア数：32 / スレッド数：64
- ベースクロック：2.6 GHz / ブースト 4.0 GHz
- ECC DDR5‑6000 対応
- 2026年に「Error Budget」自動監視機能が統合された
-
NVIDIA A100 Tensor Core
- メモリ：40 GB HBM2
- スループット：1.6 TFLOPS FP32
- 2025年にマルチウィンドウバーニングレートを標準化したクラウドプロバイダーで採用
自作PCでの選び方・注意点
- SLO 目標の設定：99.9% の可用性を目指す場合、1日あたり 8.64 秒の停止時間が許容範囲。ハードウェア冗長性（RAID 1、UPS）を組み合わせる。
- エラー予算管理：予算消費率が 20% 以上で警告を出す設定を行い、過剰な負荷を早期検知。
- 監視ツールの統合：Prometheus + Grafana で SLI を可視化し、Pyrra でアラートを生成。
- Toil 減少：自動スケーリングやスクリプト化で手動タスクを 30% 以上削減。
- Postmortem の実施：障害発生時は必ず 24 時間以内に Blameless レポートを作成し、改善策をチームに共有。
関連用語との違い
| 用語 | 主な違い |
|---|---|
| SLA（Service Level Agreement） | 顧客との契約レベル。SLO は組織内部で設定する指標。 |
| SLI（Service Level Indicator） | 実際に測定される指標。SLO はその目標値。 |
| MTTR（Mean Time To Recover） | 復旧時間の平均。SLO の一部として設定されることが多い。 |
| Apdex | ユーザー満足度を数値化。SLO ではなくユーザー視点の指標。 |
よくある質問(FAQ)
Q1. エスアールイーを導入するメリットは何ですか？
A1. エラー予算を可視化することで、開発チームは「どこまでリリースを進めても安全か」を定量的に判断でき、品質とリリース速度のバランスを最適化できます。
Q2. 2026年に標準化されるマルチウィンドウバーニングレートとは？
A2. 1時間・1日・1週間の三つの時間窓でエラー予算消費率を測定し、短期的な異常と長期的なトレンドを同時に把握できる仕組みです。これにより、急激な負荷増加に即座に対応できます。
Q3. 自作PCでSREを実践する際に注意すべき点は？
A3. ハードウェアの冗長性を確保しつつ、監視インフラを構築することが鍵です。特に、CPU や GPU の温度・電力使用率をリアルタイムで収集し、SLO から逸脱した際にアラートを発火させる設定が重要です。
まとめ
エスアールイーは、サービスの信頼性を数値化し、開発と運用を統合するためのフレームワークです。2025‑2026年に向けて、マルチウィンドウバーニングレートの標準化や OpenSLO Spec 1.0 の採用が進むことで、より高度な自動化と可視化が可能になります。自作PCにおいても、SLO 目標を明確に設定し、エラー予算を管理することで、安定した稼働と高速な開発サイクルを両立させることができます。