SLA e KPI IT — Cheat Sheet

Tag: sla, kpi, itil, itsm, metrics, performance, uptime

Livello: intermedio

TL;DR: Metriche e accordi essenziali per misurare le prestazioni dei servizi IT, garantire il rispetto dei contratti e valutare l'efficienza operativa.

Concetti chiave

SLA (Service Level Agreement): accordo ufficiale tra fornitore IT e cliente che definisce i livelli minimi di servizio attesi.

KPI (Key Performance Indicator): metrica specifica e quantificabile usata per valutare il raggiungimento degli obiettivi aziendali o tecnici.

OLA (Operational Level Agreement): accordo interno tra i vari dipartimenti o team IT necessario per supportare l'erogazione degli SLA.

MTBF (Mean Time Between Failures): tempo medio che intercorre tra due guasti consecutivi di un sistema riparabile. Misura l'affidabilità.

MTTR (Mean Time To Recovery): tempo medio necessario per riparare e ripristinare un servizio IT dopo un'interruzione.

Uptime: percentuale di tempo in cui un servizio è accessibile e operativo rispetto al tempo totale (es. i classici "nove", come 99.9%).

SLI (Service Level Indicator): la misura quantitativa reale fornita dal sistema di monitoraggio rispetto a uno specifico SLA.

Error Budget: il margine di inaffidabilità tollerata (100% - SLA target) che i team possono usare per rilasciare nuove funzionalità senza violare i contratti.

Domande tipiche e risposte pronte

Q: Qual è la differenza principale tra SLA e KPI?R: Lo SLA è il contratto formale che promette un certo livello di servizio, mentre i KPI sono gli indicatori numerici che monitoro per verificare se stiamo rispettando o meno quello SLA.

Q: Come affronti una potenziale violazione imminente di uno SLA?R: Analizzo immediatamente gli SLI in degrado, attivo le procedure di incident response per mitigare il disservizio e congelo i deploy non critici per proteggere l'error budget residuo.

Q: Perché il MTTR è spesso considerato più critico del MTBF nei moderni sistemi cloud?R: Perché i guasti distribuiti sono inevitabili. Progettare sistemi resilienti che si riprendono velocemente (basso MTTR) garantisce una continuità di business migliore rispetto a tentare di prevenire ogni singolo guasto.

Insidie e errori comuni

Definire SLA eccessivamente restrittivi (es. 100% di uptime) tecnicamente impossibili o troppo costosi da mantenere.

Tracciare centinaia di KPI tecnici ignorando l'impatto reale sull'esperienza dell'utente finale.

Non allineare gli SLA offerti ai clienti con gli OLA concordati internamente con i team di infrastruttura.

Dimenticare le finestre di manutenzione programmata durante il calcolo dell'uptime e degli SLI.

Da ripassare

[ ] Formule matematiche esatte per il calcolo cumulativo della disponibilità in architetture a microservizi.

[ ] Modelli di penalty finanziarie nei contratti SLA Enterprise.

[ ] Strumenti di observability specifici per il tracciamento in tempo reale di SLI complessi.