Dans l’article précédent, on a fixé un objectif de disponibilité. Voici la suite logique : si tu vises 99,5 %, alors tu acceptes 0,5 % d’indisponibilité. Ce petit pourcentage a un nom : le budget d’erreur.
Dit comme ça, c’est un peu abstrait. Alors voyons ce que ça change concrètement, un lundi soir, quand tu hésites à lancer une mise à jour.
L’idée en une phrase
Un objectif de 99,5 %, c’est un budget de 3 heures 36 minutes de panne par mois. Tant qu’il en reste, tu peux prendre des risques. Quand il est épuisé, tu te calmes.
Le budget d’erreur est une façon de dire que la panne n’est pas l’ennemie : c’est une ressource qu’on dépense. Un homelab qui ne tombe jamais est un homelab dans lequel tu n’essaies rien.
Calculer son budget
Pour un mois de 30 jours (43 200 minutes) :
| Objectif | Budget d’erreur |
|---|---|
| 99 % | 432 min (7 h 12) |
| 99,5 % | 216 min (3 h 36) |
| 99,9 % | 43 min |
Avec Prometheus, tu peux calculer la part de budget déjà consommée sur 30 jours (pour un objectif de 99,5 %) :
(1 - avg_over_time(probe_success{instance="https://blog.exemple.net"}[30d])) / (1 - 0.995)- 0 veut dire : aucune panne, tout le budget est disponible.
- 0,5 : la moitié du budget est dépensée.
- 1 : le budget est épuisé.
- Plus de 1 : tu as dépassé l’objectif.
Un petit panneau Grafana avec cette valeur te donne tout de suite l’info « où j’en suis ce mois-ci ».
À quoi ça sert, concrètement ?
C’est un outil de décision. Voici comment je te propose de l’utiliser.
Il reste beaucoup de budget : j’ose
- Je monte de version un service.
- J’essaie une nouvelle configuration réseau.
- Je teste une restauration de sauvegarde.
- Je fais le gros changement que je repousse depuis un mois.
Il reste peu de budget : je lève le pied
- Je repousse les mises à jour non urgentes.
- Je ne touche pas aux services concernés.
- Je regarde pourquoi la panne s’est produite avant d’en provoquer une autre.
Le budget est épuisé : je stabilise
- Plus aucun changement non indispensable sur ce service.
- Je corrige la cause des dernières pannes.
- Je reprends les expériences le mois suivant.
C’est tout. Pas de réunion, pas de comité : juste une règle claire que tu t’es fixée à l’avance.
Un exemple pour se représenter
Imaginons un blog avec un objectif de 99,5 % (216 minutes par mois) :
- Une mise à jour du serveur web qui nécessite un redémarrage : 2 minutes.
- Un redémarrage de la machine pour un nouveau noyau : 5 minutes.
- Une coupure Internet de l’opérateur : 40 minutes.
- Une erreur dans une configuration : 25 minutes.
Total : 72 minutes, soit un tiers du budget. Il en reste largement assez pour prévoir ce gros changement qu’on avait en tête.
Mais si la coupure d’Internet avait duré 3 heures, il ne resterait presque rien : on reporterait le changement à plus tard.
Tout ne compte pas pareil
Un point important : une panne planifiée n’est pas une panne subie. Certains choisissent de ne pas compter les maintenances annoncées. À la maison, je te conseille plutôt de tout compter, y compris tes propres redémarrages. Deux raisons :
- C’est plus honnête : si ta famille ne peut pas accéder aux photos, peu importe que tu l’aies voulu.
- Ça t’incite à rendre tes maintenances courtes et rares, ce qui est exactement le but.
Si une maintenance est vraiment longue, prévois-la dans une plage où personne ne s’en rendra compte (la nuit, ou un jour où tout le monde est dehors), et dis-le à ceux que ça concerne.
Ce que le budget d’erreur t’apprend sur toi
Au bout de quelques mois, tu remarqueras sans doute un schéma : la plus grosse part du budget part rarement dans des pannes spectaculaires. Elle part dans des petites choses répétées : un service qui redémarre mal, un DNS un peu lent, une mise à jour qui dure plus longtemps que prévu.
C’est précieux. Ça te dit exactement où investir ton temps : pas sur ce qui t’inquiète le plus, mais sur ce qui te coûte le plus.
Pour résumer
- Ton SLO définit ton budget d’erreur.
- Plus il en reste, plus tu peux expérimenter.
- Quand il fond, tu stabilises avant de continuer.
- Compte tout, y compris tes maintenances.
- Regarde où part le budget : c’est là qu’il y a quelque chose à améliorer.
Dans l’article suivant, on parle de ce qu’on fait après une panne, pour qu’elle serve à quelque chose : le mini-postmortem.