Die Messlatte höher legen: Neue SLOs bei 99 % (und 99,9 % für die Gesamtgesundheit)

created: Sonntag, Juni 15, 2025

TL;DR

Kennzahl	Altes SLO	Neues SLO
Jeder DTZ-kundenorientierte Dienst	95 %	99 %
dtz overall health (aggregierter Heartbeat)	95 %	99,9 %

Die neuen Ziele treten am **1. Juli 2025** in Kraft und werden über dasselbe rollierende 30-Tage-Fenster gemessen, das Sie bereits von der [Statusseite](https://status.dtz.rocks) kennen.

Warum wir bereit sind für eine zusätzliche Neun

In den letzten zwölf Monaten hat sich unsere Plattform still und leise von „vielversprechend“ zu „kampferprobt“ entwickelt:

Daten sprechen für sich: Seit dem 1. April haben wir 11 Produktionsvorfälle mit insgesamt 7 h 28 m Ausfallzeit verzeichnet. Das entspricht einer Verfügbarkeit von 99,66 % über einen Zeitraum von 75 Tagen – bereits über dem neuen globalen Ziel.
Gesamtgesundheit ist sehr stabil: Die aggregierte dtz overall health Probe war 2025 bislang nur für 16 m nicht verfügbar, was 99,97 % entspricht.
Mittlere Wiederherstellungszeit (MTTR) um 42 % verkürzt dank automatischer Rücksetzungen, Blue/Green-Deployments und einer wachsenden Reihe an Smoke-Tests.
Überall Observability: Jeder kritische Pfad sendet nun RED-Metriken (Rate, Fehler, Dauer) und SLO-Burn-Alarme fließen direkt in die On-Call-Slack-Kanäle ein.

Was sich für Sie ändert

Engere Fehlerbudgets. Bei 99 % Verfügbarkeit darf ein Dienst nun etwa ~7 h 18 m pro Monat ausfallen (zuvor ~36 h). Für den 99,9 % Gesamtgesundheitscheck sind nur 43 m zulässig.
Schnellere Incident-Reaktion. Pager-Schwellenwerte werden von 3 Minuten auf 60 Sekunden bei fehlschlagenden Probes verkürzt, damit wir handeln können, bevor Sie es bemerken.
Transparente Gutschriften. Wenn wir das SLO brechen, werden Servicegutschriften automatisch gutgeschrieben – ohne Ticket. Die aktualisierten AGB gehen nächste Woche live.
Umfangreichere öffentliche Telemetrie. Latenz-Perzentile und Burn-Rate-Grafiken werden für jede Komponente auf der Statusseite ergänzt, damit Sie Probleme mit Ihren eigenen Dashboards korrelieren können.

Wie wir im Budget bleiben

Redundante Probes aus drei Regionen für jeden Heartbeat.
Sofortige Deploy-Rollbacks. 90 % der Rücksetzungen sind bereits in unter drei Minuten abgeschlossen; Ziel ist unter einer Minute.
Chaos-Drills halten Recovery-Playbooks auf dem neuesten Stand.
Nachhaltiger Betrieb, kein verschwenderischer Betrieb. Wir arbeiten weiterhin mit carbon-aware Zeitplänen; mehr Neunen bedeutet nicht mehr Megawatt.

Ein kurzer Blick auf die Zahlen

Seit dem 1. April 2025 haben wir erlebt:

11 Vorfälle über fünf Dienste verteilt.
Durchschnittliche Vorfallzeit: 41 m.
Längster einzelner Ausfall: 1 h 5 m (objectstore, 06. April).
Letztes 30-Tage-Fenster: 2 Vorfälle, 1 h 9 m Gesamtausfallzeit → 99,85 % Verfügbarkeit.

Diese Werte geben uns komfortablen Spielraum, um die neuen Ziele zu erreichen, noch bevor die bevorstehenden Redundanz-Upgrades eintreffen.

Danke

Zuverlässigkeit ist kein Schalter, den man umlegt – sie ist die kumulative Wirkung von Design-Reviews, Testabdeckung, Observability und einem Team, das sich kümmert. Ihre Bugreports und Feature-Vorschläge haben uns motiviert, die Messlatte höher zu legen. Geben Sie weiterhin Feedback, und auf weniger Pages, grünere Operationen und eine zusätzliche Neun.