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

created: Sonntag, Juni 15, 2025

Kurzfassung

Metric	Old SLO	New SLO
Jeder kundenorientierte DTZ-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 [Status-Seite](https://status.dtz.rocks) kennen.

Warum wir für eine zusätzliche Neun bereit sind

Im vergangenen Jahr hat sich unsere Plattform still und leise von „vielversprechend“ zu „kampferprobt“ entwickelt:

Daten sprechen: Seit dem 1. April haben wir 11 Produktionsvorfälle protokolliert, insgesamt 7 h 28 m Ausfallzeit. Das ist 99.66 % Verfügbarkeit über einen 75-tägigen Zeitraum—bereits über dem neuen globalen Ziel.
Overall Health ist sehr stabil: Die aggregierte dtz overall health-Probe war in 2025 bislang nur 16 m nicht verfügbar, was 99.97 % entspricht.
Mittlere Wiederherstellungszeit (MTTR) sank um 42 % dank automatischer Rollbacks, Blue/Green-Deploys und einer wachsenden Suite von Smoke-Tests.
Observability überall: Jeder kritische Pfad liefert jetzt RED-Metriken (rate, errors, duration) und SLO-Burn-Alerts gehen direkt in die On-Call-Slack-Kanäle.

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 % Overall-Health-Check beträgt die Toleranz nur 43 m.
Schnellere Incident-Reaktion. Die Pager-Schwellen werden von 3 m auf 60 s fehlgeschlagene Probes verkürzt, damit wir handeln können, bevor Sie es bemerken.
Transparente Gutschriften. Wenn wir das SLO verletzen, werden Serviceguthaben automatisch gutgeschrieben—kein Ticket erforderlich. Die aktualisierten Nutzungsbedingungen treten nächste Woche in Kraft.
Umfassendere öffentliche Telemetrie. Latenz-Perzentile und Burn-Rate-Diagramme werden zu jeder Komponente auf der Status-Seite hinzugefügt, damit Sie Vorfälle mit Ihren eigenen Dashboards korrelieren können.

Wie wir innerhalb des Budgets bleiben

Redundante Sonden aus drei Regionen für jeden Heartbeat.
Sofortige Deploy-Rollbacks. 90 % der Rücksetzungen sind bereits in unter drei Minuten abgeschlossen; das Ziel ist unter einer Minute.
Chaos-Drills halten die Recovery-Playbooks frisch.
Nachhaltiger Betrieb, nicht verschwenderischer Betrieb. Wir betreiben weiterhin nach kohlenstoffbewussten Zeitplänen; mehr Neunen bedeuten nicht mehr Megawatt.

Ein kurzer Blick auf die Zahlen

Seit 1 April 2025 haben wir beobachtet:

11 Vorfälle über fünf Dienste.
Durchschnittliche Vorfallslänge: 41 m.
Längster einzelner Ausfall: 1 h 5 m (objectstore, 06 April).
Aktuellstes 30-Tage-Fenster: 2 Vorfälle, insgesamt 1 h 9 m Ausfallzeit → 99.85 % Verfügbarkeit.

Diese Zahlen geben uns einen komfortablen Spielraum, um die neuen Ziele zu erreichen — noch bevor die anstehenden Redundanz-Upgrades gelandet sind.

Vielen Dank

Zuverlässigkeit ist kein Schalter, den man umlegt — sie ist die kumulative Wirkung von Design-Reviews, Testabdeckung, Observability und einem Team, dem das wichtig ist. Ihre Bugreports und Feature-Vorschläge haben uns dazu gebracht, die Messlatte höher zu legen. Bleiben Sie dran mit Ihrem Feedback — auf weniger Pager-Alarme, grünere Betriebsabläufe und eine zusätzliche Neun.