MTTR, MTTF, MTBF: метрики надёжности для веб-сервисов

Метрики надёжности — язык аптайма. Когда спрашивают «насколько надёжен ваш сервис?», метрики MTTR, MTTF и MTBF дают объективные ответы. Понимание этих метрик помогает устанавливать осмысленные SLA, приоритизировать улучшения и общаться с заинтересованными сторонами.

MTTR — среднее время восстановления

MTTR измеряет среднее время от обнаружения сбоя до восстановления сервиса. Самая действенная метрика, поскольку напрямую измеряет способность команды реагировать.

Формула MTTR

MTTR = Общее время восстановления / Количество инцидентов
Пример: 3 инцидента за 30мин + 120мин + 15мин = 165мин
MTTR = 165 / 3 = 55 минут

Компоненты MTTR

• Обнаружение: сколько проходит до замечания сбоя (мониторинг сайтов, алерты)
• Диагностика: сколько занимает определение причины
• Исправление: время внедрения решения
• Верификация: подтверждение восстановления сервиса

Снижение MTTR

• Быстрее обнаруживать: комплексный мониторинг с чувствительными алертами
• Быстрее диагностировать: runbook-и, хорошее логирование, observability
• Быстрее чинить: автоматические откаты, feature flags
• Быстрее верифицировать: автоматические health-чеки

MTTF — среднее время до отказа

MTTF измеряет среднее время работы до первого сбоя. Для веб-сервисов отвечает: «сколько после деплоя до поломки?»

Формула MTTF

MTTF = Общее время работы до сбоев / Количество сбоев
Пример: 3 деплоя работали 72ч, 168ч, 48ч до сбоя
MTTF = (72 + 168 + 48) / 3 = 96 часов

Улучшение MTTF

• Лучшее тестирование (юнит, интеграционное, нагрузочное)
• Постепенные выкатки (canary deployments)
• Chaos engineering для проактивного поиска слабостей
• Планирование ёмкости для предотвращения исчерпания ресурсов

MTBF — среднее время между отказами

MTBF — среднее время между последовательными сбоями для восстанавливаемых систем. Включает аптайм и время ремонта: MTBF = MTTF + MTTR.

Формула MTBF

MTBF = Общее время работы / Количество сбоев
Пример: сервис работал 720 часов за месяц с 3 сбоями
MTBF = 720 / 3 = 240 часов между сбоями

Как они связаны

MTBF = MTTF + MTTR

|←—— MTBF ——→|←—— MTBF ——→|
|← MTTF →|←MTTR→|← MTTF →|←MTTR→|
[ аптайм  ][ даун][ аптайм  ][ даун]

Доступность из метрик

Доступность = MTTF / MTBF = MTTF / (MTTF + MTTR)

Пример: MTTF = 237ч, MTTR = 3ч
Доступность = 237 / (237 + 3) = 237 / 240 = 98.75%

Снижение MTTR имеет непропорционально большое влияние на доступность. Переход с 3ч до 1ч MTTR улучшает доступность больше, чем удвоение MTTF.

Целевые показатели

Практические советы

• Отслеживайте все три: MTTR — реакция, MTTF — робастность, MTBF — общая надёжность
• Начните с MTTR: обычно проще снизить время восстановления, чем предотвратить все сбои
• Перцентили, не средние: средний MTTR 30мин бессмыслен, если один инцидент занял 8 часов
• Сегментируйте по критичности: отдельные метрики для SEV-1, SEV-2, SEV-3
• Ежемесячный обзор: тренды важнее отдельных значений
• Автоматизируйте: берите данные из системы управления инцидентами

Заключение

MTTR, MTTF и MTBF — взаимодополняющие метрики, рисующие полную картину надёжности. Начните с MTTR — она самая действенная. Затем отслеживайте MTBF для понимания общего тренда. Используйте числа для установки реалистичных SLA и обоснования инвестиций в инфраструктуру.