> ## Content Index
> Fetch the complete content index at: https://arabroot.io/llms.txt
> Use this file to discover other available public pages before exploring further.

# ماذا تعني 99.9%؟ أهداف الخدمة SLO للمبتدئين
- URL: https://arabroot.io/articles/ماذا-تعني-99-9-اهداف-الخدمة-slo-للمبتدئين/
- Published: 2026-11-03T09:39:22.000Z
- Updated: 2026-11-03T10:38:50.000Z
- Description: نقيس خدمة حقيقية من أربعة أماكن فنحصل على أربعة أرقام، ونحول الهدف إلى دقائق مسموحة وميزانية أخطاء وسياسة تحكم قرارات الفريق.
- Author: فريق عرب رووت
- Tags: الأدلة التقنية, DevOps والتشغيل, DevOps وCI/CD, لينكس والسيرفرات, الاستضافة الذاتية

إذا عملت في شركة تبيع خدمة لعملاء من الشركات فسوف يصلك يوماً ما نموذج من قسم المشتريات عند العميل، وفيه سؤال يبدو بسيطاً: «ما مستوى التوفر Availability الذي تلتزمون به؟»، وبجانبه خانة فارغة تنتظر رقماً. ويكتب أغلب الناس في هذه الخانة 99.9% لأنه الرقم الذي يراه في كل مكان، ثم يكتشف بعد أشهر أنه لا يعرف كيف يقيس هذا الرقم أصلاً، ولا يعرف كم دقيقة توقف يسمح بها، ولا ماذا يحدث إذا لم يتحقق. أو تكون في الجهة الأخرى، فتسألك الإدارة بعد عطل: «هل نحن ضمن الاتفاقية؟»، فتفتح لوحة المراقبة فتجد رقماً يقول 99.98%، ويقول العميل إن الخدمة كانت متوقفة نصف ساعة، وكلاكما صادق.

وهذا هو موضوع المقال: ماذا تعني الأرقام التي تكتبها في هذه الخانة، وكيف تقيسها بحيث تطابق ما يشعر به المستخدم، وكيف تتحول إلى قرارات يومية في الفريق. وسوف نتابع فريق المتجر الإلكتروني نفسه الذي أطلق معنا [الإصدار 2.0.0 من shop-api](https://arabroot.io/articles/%D8%A7%D9%84%D8%A7%D8%B5%D8%AF%D8%A7%D8%B1%D8%A7%D8%AA-semver-%D9%85%D8%B9-%D8%B3%D8%AC%D9%84-%D8%A7%D9%84%D8%AA%D8%BA%D9%8A%D9%8A%D8%B1%D8%A7%D8%AA-changelog/)، فالشريك الذي يستخدم ال API طلب الآن اتفاقية مستوى خدمة SLA، والفريق يريد أن يعرف بماذا يلتزم قبل أن يوقع. وقد شرحنا في [مفاهيم المراقبة Observability](https://arabroot.io/articles/%D9%85%D9%81%D8%A7%D9%87%D9%8A%D9%85-%D8%A7%D9%84%D9%85%D8%B1%D8%A7%D9%82%D8%A8%D8%A9-observability-%D9%85%D9%86-%D8%A7%D9%84%D8%A7%D8%B4%D8%A7%D8%B1%D8%A9-%D8%A7%D9%84%D9%89-%D8%A7%D9%84%D8%AA%D9%86%D8%A8%D9%8A%D9%87/) تعريف المؤشر والهدف والميزانية والتنبيه بمعدل الاستهلاك، وفي [مقال DevOps مع SRE](https://arabroot.io/articles/%D8%A7%D9%84%D9%81%D8%B1%D9%82-%D8%A8%D9%8A%D9%86-devops-%D9%88-sre-%D9%88-platform-engineering/) حسبنا الميزانية لثلاثة أهداف، فلن نكرر ذلك، وإنما نبني عليه بخدمة حقيقية نقيسها في مختبر من أربعة أماكن مختلفة، فنحصل على أربعة أرقام مختلفة لنفس الدقائق الست.

وسوف نناقش في هذا المقال ما يلي:

- المصطلحات الثلاثة SLI وSLO وSLA وميزانية الأخطاء، ومن يملك كل واحد منها، ولماذا لا يكون الهدف 100%.
- ماذا تعني 99.9% بالدقائق والساعات لكل فترة، وما الذي يحدث لتوفرك عندما تعتمد على خدمات أخرى.
- كيف تختار المؤشر: نسبة الأحداث الجيدة، ومؤشر التوفر، ومؤشر زمن الاستجابة Latency.
- مختبر حقيقي: خدمة خلف Nginx مع حركة مستمرة وتوقفين، نقيسها من سجل التطبيق وسجل ال Proxy والعميل والفحص الخارجي.
- النافذة الزمنية Window، والاتفاقية SLA بأرقام حقيقية من AWS، وسياسة ميزانية الأخطاء.
- الأخطاء الشائعة، وقائمة تحقق تبدأ بها أول هدف لخدمتك.

## المصطلحات الثلاثة SLI ثم SLO ثم SLA

يعرف [فصل أهداف الخدمة في كتاب Google SRE](https://sre.google/sre-book/service-level-objectives/?ref=arabroot.io) ثلاثة مصطلحات يخلط بينها كثير من الناس، والفرق بينها هو الفرق بين القياس والهدف والعقد. فمؤشر مستوى الخدمة Service Level Indicator واختصاراً SLI هو مقياس كمي لجانب من الخدمة يهم المستخدم، مثل نسبة الطلبات الناجحة أو نسبة الطلبات التي انتهت في أقل من 300 ملي ثانية. وهدف مستوى الخدمة Service Level Objective واختصاراً SLO هو القيمة التي يلتزم بها الفريق لهذا المؤشر خلال مدة محددة، مثل «99.9% من طلبات المنتجات تنجح خلال آخر 30 يوماً». واتفاقية مستوى الخدمة Service Level Agreement واختصاراً SLA هي عقد مع العميل، فيه هدف أو أكثر، ومعه ما يحدث إذا لم يتحقق، وغالباً تعويض مالي.

![ثلاثة صناديق: المؤشر SLI ما نقيسه أي نسبة الأحداث الجيدة من كل الأحداث مثل 96.21% في المختبر، ثم الهدف SLO ما نلتزم به داخلياً مثل 99.9% خلال 30 يوماً، ثم الاتفاقية SLA عقد مع العميل فيه تعويض مثل 99.5% شهرياً وهي أقل من ال SLO دائماً، وتحتها ميزانية الأخطاء 100% ناقص ال SLO وتساوي 49,393 طلباً فاشلاً في الشهر بحركة المختبر، والدقائق الست استهلكت 0.53% منها](https://arabroot.io/content/images/2026/11/slo-basics-01-terms.webp)

من القياس إلى الهدف إلى العقد

وأسهل طريقة لتتذكر الفرق أن تسأل: من يغضب إذا لم يتحقق الرقم؟ فإذا انخفض ال SLI فهذه معلومة، ولا يغضب أحد. وإذا لم يتحقق ال SLO فالفريق هو من يتصرف، فيوقف الميزات ويعمل على الموثوقية بحسب سياسة متفق عليها كما سيأتي. وإذا لم تتحقق ال SLA فالعميل هو من يتصرف، فيطلب التعويض أو ينهي العقد، والمحامون يدخلون في الموضوع. ولذلك يقول الكتاب إن ال SLA قرار تجاري وقانوني، وال SLO قرار هندسي، والفرق الصغيرة التي لا تبيع لعملاء من الشركات قد لا تحتاج SLA أبداً، ولكنها تحتاج SLO لأنه ما يحكم قراراتها اليومية.

وميزانية الأخطاء Error Budget هي ببساطة ما يتبقى من الهدف: إذا كان الهدف 99.9% فالميزانية 0.1%، أي أن واحداً من كل ألف طلب مسموح أن يفشل خلال الفترة دون أن نخالف الهدف. وتسميتها ميزانية مقصودة، فهي شيء تصرفه، والسؤال ليس «كيف نجعلها صفراً» وإنما «على ماذا نصرفها»: على نشر الميزات بسرعة، وعلى التجارب، وعلى الصيانة المخطط لها، وعلى الأعطال التي لا يمكن منعها. وهذا ما يجعل الفكرة مفيدة للإدارة والمهندسين معاً، فالحوار يتحول من «هل النشر خطر؟» إلى «هل بقي في الميزانية ما يكفي؟».

## لماذا لا يكون الهدف 100%؟ Embracing Risk

أول ما يقترحه أي مدير عندما يسمع بالأهداف هو 100%، فلماذا نقبل بأي عطل؟ والإجابة في [فصل قبول المخاطرة في الكتاب](https://sre.google/sre-book/embracing-risk/?ref=arabroot.io) من ثلاث جهات. الأولى أن المستخدم لا يستطيع أن يفرق بين خدمة متاحة 99.99% وخدمة متاحة 100%، لأن بينه وبين الخدمة أشياء أقل توفراً بكثير: شبكة الجوال، والواي فاي في البيت، وجهازه نفسه، فإذا كانت هذه متاحة 99% فإن الفرق بين 99.99% و100% في خدمتك يضيع تماماً. والثانية أن كل تسعة إضافية تكلف أضعاف التي قبلها، فالانتقال من 99.9% إلى 99.99% قد يعني سيرفرات في منطقتين، ونسخاً متزامنة لقاعدة البيانات، ومناوبة على مدار الساعة، ونشراً تدريجياً آلياً، والانتقال إلى 99.999% يعني أكثر من ذلك بكثير. والثالثة أن الهدف 100% يعني أن أي تغيير خطر، وبالتالي يتوقف الفريق عن النشر، والخدمة التي لا تتغير تموت ببطء لأن المنافسين يتغيرون.

والطريقة الصحيحة أن تبدأ من السؤال المعاكس: ما أقل مستوى من الموثوقية يجعل المستخدمين راضين؟ فإذا كان متجرك يبيع لأفراد يتسوقون في المساء، فتوقف خمس دقائق في الثالثة فجراً لن يلاحظه أحد تقريباً، أما بوابة الدفع التي يعتمد عليها مئات المتاجر فكل دقيقة توقف فيها خسارة لمئات العملاء في وقت واحد. ولذلك الهدف قرار يملكه مسؤول المنتج مع الفريق الهندسي، يوازن فيه بين ما يتوقعه المستخدم وما تكلفه كل تسعة.

## ماذا تعني 99.9%؟ Allowed Downtime

الأرقام بالنسب المئوية خادعة، فالفرق بين 99.9% و99.99% يبدو صغيراً جداً على الورق، ولكنه بالوقت فرق كبير. ولكي يرى الفريق الأرقام بوضوح كتبنا سكربتاً صغيراً يحسب الوقت المسموح للتوقف لكل هدف في كل فترة، إذا افترضنا أن الفشل توقف كامل:

```python
# Allowed downtime for each target, and what chaining dependencies does to availability.
def fmt(sec):
    if sec >= 86400: return f"{sec/86400:.2f} d"
    if sec >= 3600:  return f"{sec/3600:.2f} h"
    if sec >= 60:    return f"{sec/60:.1f} min"
    return f"{sec:.1f} s"
periods = {"day": 86400, "week": 7*86400, "30 days": 30*86400, "quarter": 91*86400, "year": 365*86400}
print(f"{'SLO':>8} " + " ".join(f"{p:>10}" for p in periods))
for slo in (99, 99.5, 99.9, 99.95, 99.99, 99.999):
    print(f"{slo:>7}% " + " ".join(f"{fmt(s*(1-slo/100)):>10}" for s in periods.values()))

# Serial chain: the request needs all of them. Parallel pair: it needs at least one.
chain = {"load balancer": 99.99, "app": 99.95, "database": 99.95, "payment gateway": 99.9}
total = 1
for name, a in chain.items(): total *= a/100
print(f"\nserial chain {list(chain.values())} -> {100*total:.3f}%  ({fmt(30*86400*(1-total))} per 30 days)")
one = 0.999
print(f"two independent copies of a 99.9% part in parallel -> {100*(1-(1-one)**2):.4f}%")
```

```bash
docker run --rm -v "$PWD:/w" -w /w python:3.13-slim python slo_math.py
```

```text
     SLO        day       week    30 days    quarter       year
     99%   14.4 min     1.68 h     7.20 h    21.84 h     3.65 d
   99.5%    7.2 min   50.4 min     3.60 h    10.92 h     1.83 d
   99.9%    1.4 min   10.1 min   43.2 min     2.18 h     8.76 h
  99.95%     43.2 s    5.0 min   21.6 min     1.09 h     4.38 h
  99.99%      8.6 s    1.0 min    4.3 min   13.1 min   52.6 min
 99.999%      0.9 s      6.0 s     25.9 s    1.3 min    5.3 min

serial chain [99.99, 99.95, 99.95, 99.9] -> 99.790%  (1.51 h per 30 days)
two independent copies of a 99.9% part in parallel -> 99.9999%
```

![جدول وقت التوقف المسموح: 99% تعني 14.4 دقيقة في اليوم و7.2 ساعة في 30 يوماً و3.65 يوم في السنة، و99.5% تعني 3.6 ساعة في 30 يوماً، و99.9% تعني 1.4 دقيقة في اليوم و10.1 دقيقة في الأسبوع و43.2 دقيقة في 30 يوماً و8.76 ساعة في السنة، و99.95% تعني 21.6 دقيقة في 30 يوماً، و99.99% تعني 4.3 دقيقة في 30 يوماً و52.6 دقيقة في السنة، و99.999% تعني 25.9 ثانية في 30 يوماً و5.3 دقيقة في السنة](https://arabroot.io/content/images/2026/11/slo-basics-04-downtime.webp)

كل تسعة إضافية تقسم الوقت المسموح على عشرة

ولنقرأ الجدول بعين من سيعمل به وليس بعين من سيكتبه في العقد:

- الهدف 99.9% يعطيك 43 دقيقة في الشهر، وهذا يكفي لحادثة واحدة متوسطة يكتشفها المناوب ويصلحها يدوياً، أو لعدة نشرات سيئة صغيرة. ولكنه لا يكفي لتوقف صيانة شهري مدته ساعة، فإذا كانت لديك صيانة مخطط لها تحتاج إيقاف الخدمة فإما أن تستثنيها صراحة في الاتفاقية، أو أن تبني الخدمة بحيث لا تحتاج إيقافاً.
- الهدف 99.99% يعطيك أربع دقائق وثوان في الشهر، وهذه لا تكفي حتى لأن يستيقظ المناوب ويفتح الحاسوب، ولذلك هذا الهدف يحتاج تراجعاً آلياً Automatic Rollback ونسخاً احتياطية جاهزة تعمل تلقائياً، وليس فريقاً أكثر حرصاً.
- الهدف 99% يبدو عالياً، ولكنه يسمح بسبع ساعات في الشهر، أي يوم عمل كامل تقريباً، ولذلك قد يكون مناسباً لنظام داخلي يستخدمه الموظفون في الدوام فقط، وغير مقبول لمتجر يبيع في المساء.
- عمود اليوم مهم أكثر مما يظهر، فإذا كانت النافذة 30 يوماً فأنت تستطيع نظرياً أن تصرف 43 دقيقة في يوم واحد، ولكن الهدف اليومي 99.9% لا يسمح إلا بـ 1.4 دقيقة، وهذا ما يجعل اختيار النافذة قراراً مهماً كما سيأتي.

وللمقارنة بحادثة حقيقية، ففي 28 فبراير 2017 توقفت خدمة Amazon S3 في منطقة US-EAST-1، وبحسب [التقرير الذي نشرته AWS](https://aws.amazon.com/message/41926/?ref=arabroot.io) بدأ العطل في 9:37 صباحاً بتوقيت المحيط الهادئ عندما أدخل مهندس أمراً من دليل تشغيل معتمد لحذف عدد صغير من السيرفرات، ولكن أحد مدخلات الأمر كان خاطئاً فحذف عدداً أكبر بكثير، وكان من بينها سيرفرات نظامين فرعيين أساسيين احتاجا إعادة تشغيل كاملة لم تحدث في المناطق الكبيرة منذ سنوات. وعادت عمليات القراءة كاملة في 1:18 ظهراً، وعادت عمليات الكتابة PUT في 1:54 ظهراً، أي أن جزءاً من الخدمة كان متوقفاً أكثر من أربع ساعات. وبالنظر إلى الجدول فهذا يعادل نصف ميزانية سنة كاملة بهدف 99.9%، وأكثر من خمسة أضعاف ميزانية شهر. وما يهمنا هنا ليس الحادثة نفسها، وإنما أن نرى أن حادثة واحدة كبيرة تكفي لتحديد مصير الهدف كله، ولذلك الأهداف العالية تحتاج تصميماً يمنع الحوادث الكبيرة، وليس فقط استجابة سريعة.

### توفر السلسلة Composite Availability

آخر سطرين في مخرج السكربت يجيبان عن سؤال يتجاهله أغلب من يكتب الأرقام في العقود: خدمتك لا تعمل وحدها. فطلب الدفع في المتجر يمر بموزع الطلبات Load Balancer ثم التطبيق ثم قاعدة البيانات ثم بوابة الدفع الخارجية، وإذا توقف أي واحد منها فشل الطلب، أي أنها على التوالي Serial. وفي هذه الحالة تضرب نسب التوفر ببعضها، وليس تأخذ أضعفها، والصورة التالية تبين النتيجة:

![سلسلة من أربع حلقات: Load Balancer بنسبة 99.99% والتطبيق 99.95% وقاعدة البيانات 99.95% وبوابة الدفع 99.9%، وتحتها أن التوفر على التوالي حاصل ضرب النسب أي 99.790% وهذا 1.51 ساعة في 30 يوماً أكثر من ضعف ميزانية 99.9%، وأن نسختين مستقلتين على التوازي من جزء 99.9% تعطيان 99.9999%](https://arabroot.io/content/images/2026/11/slo-basics-05-chain.webp)

نضرب النسب على التوالي، ونضرب نسب الفشل على التوازي

أربع حلقات أضعفها 99.9% أعطت 99.79%، أي ساعة ونصف في الشهر، وهذا أكثر من ضعف ميزانية 99.9%. والدرس العملي أنك لا تستطيع أن تعد عميلك بهدف أعلى من حاصل ضرب أهداف ما تعتمد عليه، إلا إذا كان لديك بديل لكل حلقة. والبديل هو ما يظهر في السطر الأخير: نسختان مستقلتان على التوازي Parallel من جزء متاح 99.9% تعطيان نظرياً 99.9999%، لأن الفشل يحتاج أن تتوقف الاثنتان معاً، ونسبة ذلك حاصل ضرب نسبتي الفشل. وكلمة مستقلتين هي الشرط المهم، فنسختان على نفس السيرفر أو في نفس مركز البيانات أو بنفس الإعداد الخاطئ تتوقفان معاً، والحساب النظري لا ينطبق عليهما.

## كيف تختار المؤشر SLI؟ Good Events / Valid Events

يوصي [فصل تطبيق الأهداف في SRE Workbook](https://sre.google/workbook/implementing-slos/?ref=arabroot.io) بأن يكون كل مؤشر نسبة بين رقمين: عدد الأحداث الجيدة مقسوماً على عدد كل الأحداث الصالحة، فيكون الناتج بين صفر و100%، والصفر يعني أن كل شيء معطل، و100% أن كل شيء يعمل. والفائدة من هذا الشكل الموحد أن كل الأدوات بعد ذلك، من التنبيه إلى حساب الميزانية إلى التقارير، تعمل بنفس المدخلات: البسط والمقام والهدف. ويقترح الفصل كذلك أن تفرق بين مواصفة المؤشر SLI Specification، وهي ما تريد قياسه بكلام المستخدم، مثل «نسبة طلبات صفحة المنتجات التي نجحت»، وتنفيذ المؤشر SLI Implementation، وهو كيف تقيسه فعلاً ومن أين، والمواصفة الواحدة قد يكون لها أكثر من تنفيذ، ولكل تنفيذ نقاط قوة وضعف، وهذا ما سوف نراه بالأرقام في المختبر.

والمؤشرات الشائعة لخدمة مثل `shop-api` اثنان. مؤشر التوفر Availability: نسبة الطلبات الصالحة التي نجحت، والنجاح هنا يعني أي رد ليس من فئة 5xx، أما أخطاء 4xx فهي غالباً خطأ العميل نفسه، مثل طلب صفحة غير موجودة أو توكن منتهي، فلا تحسب ضد الخدمة. ومؤشر زمن الاستجابة Latency: نسبة الطلبات الصالحة التي نجحت في أقل من حد معين، مثل 300 ملي ثانية. ولاحظ أن مؤشر زمن الاستجابة مكتوب أيضاً كنسبة أحداث جيدة، وليس «p99 أقل من 300»، والسبب أن النسبة تجمع بسهولة على أي فترة وتتحول مباشرة إلى ميزانية، أما المئين Percentile فلا يجمع، فلا تستطيع أن تحسب p99 الشهر من p99 كل يوم. وقد شرحنا المئين ولماذا لا نستخدم المتوسط في مقال المراقبة، والفكرة هنا أن السؤال «هل كان p99 أقل من 300؟» يتحول إلى «هل 99% من الطلبات كانت أقل من 300؟»، وهذا الثاني نسبة أحداث جيدة.

وكلمة «الصالحة» Valid في المقام مهمة، فهي تقول ما الذي لا يحسب أصلاً: طلبات فحص الصحة `/health` التي ترسلها أدوات المراقبة، وطلبات البوتات إذا قررت ذلك، والطلبات من عملاء محظورين، وأي شيء لا يمثل مستخدماً حقيقياً. وفي المختبر حسبنا طلبات `/api/products` فقط، واستبعدنا `/health` من المقام، لأن إضافة طلبات الفحص الكثيرة والسريعة والناجحة دائماً ترفع المؤشر دون أن يتحسن شيء للمستخدم.

### مؤشرات لأنواع أخرى من الخدمات Other SLI Types

ما ناقشناه حتى الآن يخص خدمة تستقبل طلبات وترد عليها، ولكن ليس كل نظام في الشركة من هذا النوع، والفكرة نفسها، أي نسبة الأحداث الجيدة من الصالحة، تنطبق على الأنواع الأخرى إذا سألت السؤال الصحيح: ما الذي يهم من يعتمد على هذا النظام؟ فمهمة المزامنة التي تنقل الطلبات من المتجر إلى نظام المحاسبة كل ليلة لا يهم فيها زمن الاستجابة، وإنما يهم أن تكون البيانات حديثة، فيصبح المؤشر نسبة الدورات التي انتهت قبل السابعة صباحاً، أو نسبة السجلات التي عمرها أقل من ساعة عندما يقرؤها المحاسب، وهذا ما يسميه SRE Workbook حداثة البيانات Freshness. والمهمة نفسها يمكن أن تنتهي في وقتها وتنقل نصف الطلبات فقط، ولذلك يضيف الفصل مؤشر التغطية Coverage، أي نسبة السجلات التي عولجت فعلاً من كل ما كان يجب أن يعالج، ومؤشر الصحة Correctness، أي نسبة النتائج الصحيحة، ويقاس عادة بإدخال بيانات معروفة النتيجة ومقارنة المخرج بها.

وفي أنظمة التخزين والنسخ الاحتياطي يكون المؤشر الأهم المتانة Durability: نسبة البيانات التي كتبت ثم استطعت أن تقرأها كما هي، وهذا مؤشر لا تراه إلا إذا اختبرت الاستعادة فعلاً، كما شرحنا في [مقال النسخ الاحتياطي واختبار الاستعادة](https://arabroot.io/articles/%D8%A7%D9%84%D9%86%D8%B3%D8%AE-%D8%A7%D9%84%D8%A7%D8%AD%D8%AA%D9%8A%D8%A7%D8%B7%D9%8A-%D8%A8%D9%82%D8%A7%D8%B9%D8%AF%D8%A9-3-2-1-%D9%88%D8%A7%D8%AE%D8%AA%D8%A8%D8%A7%D8%B1-%D8%A7%D9%84%D8%A7%D8%B3%D8%AA%D8%B9%D8%A7%D8%AF%D8%A9/)، فالنسخة التي لم تجرب استعادتها لا تدخل في البسط. وفي المهام المجدولة البسيطة، مثل تجديد الشهادات أو تنظيف الملفات المؤقتة، يكفي غالباً مؤشر واحد: نسبة التشغيلات التي نجحت في موعدها، مع فحص يتأكد أن المهمة عملت أصلاً، لأن المهمة التي لم تبدأ لا تسجل فشلها. والقاعدة المشتركة في كل هذه الأنواع أن المؤشر يكتب بكلام من يعتمد على النظام، ثم يبحث الفريق عن طريقة لقياسه، وليس العكس، فلا تبدأ من المقاييس المتاحة في أداة المراقبة وتسأل أيها يصلح مؤشراً.

## المختبر Lab: خدمة واحدة وأربعة أماكن قياس

الآن سوف نقيس خدمة حقيقية تعمل، وليس أرقاماً على الورق. والخدمة نسخة مبسطة من `shop-api` بلغة Python، خلفها Nginx كموزع طلبات Reverse Proxy، كما في أغلب السيرفرات. والفكرة أن نشغل حركة مستمرة لمدة ست دقائق، ونوقف التطبيق 45 ثانية في الدقيقة الثانية كأنه نشر بلا نسخة ثانية، ثم نوقف Nginx نفسه 20 ثانية في الدقيقة الرابعة كأنه إعادة تشغيل لل Proxy، ثم نحسب المؤشر من أربعة أماكن: سجل التطبيق، وسجل Nginx، والعميل الذي يرسل الطلبات، وفحص خارجي كل عشر ثوان.

### ملفات المختبر Lab Files

التطبيق `app.py` يرد على `/api/products` في 40 إلى 120 ملي ثانية، و3% من الطلبات أبطأ بين 400 و900 ملي ثانية لتمثل الذيل البطيء Slow Tail، و0.3% تفشل بخطأ 500، ويطبع سطراً لكل طلب يصله، وهذا سجله الخاص:

```python
# shop-api stand-in: /api/products answers in ~40-120 ms, a slow tail of ~3% takes 400-900 ms, and ~0.3% fail with 500.
import json, random, time, sys
from http.server import ThreadingHTTPServer, BaseHTTPRequestHandler

class H(BaseHTTPRequestHandler):
    def log_message(self, fmt, *a):          # the app's own access log: one line per request it saw
        print(time.strftime("%H:%M:%S"), self.path, a[1], flush=True)
    def do_GET(self):
        if self.path == "/health":
            code, body = 200, {"ok": True}
        else:
            r = random.random()
            time.sleep(random.uniform(0.4, 0.9) if r < 0.03 else random.uniform(0.04, 0.12))
            code, body = (500, {"error": "db timeout"}) if random.random() < 0.003 else (200, {"items": 20})
        data = json.dumps(body).encode()
        self.send_response(code); self.send_header("Content-Type", "application/json")
        self.send_header("Content-Length", str(len(data))); self.end_headers(); self.wfile.write(data)

ThreadingHTTPServer(("0.0.0.0", 8000), H).serve_forever()
```

وإعداد Nginx يكتب سجلاً بصيغة JSON لكل طلب، فيه الحالة التي أرسلها للعميل، والحالة التي جاءته من التطبيق، والزمن الكلي، بحسب [توثيق وحدة السجلات](https://nginx.org/en/docs/http/ngx%5Fhttp%5Flog%5Fmodule.html?ref=arabroot.io):

```nginx
# Reverse proxy in front of the app; JSON access log with status, upstream status and request time.
events {}
http {
  log_format slo escape=json '{"t":"$time_iso8601","uri":"$request_uri","status":$status,'
                             '"upstream":"$upstream_status","rt":$request_time}';
  access_log /var/log/nginx/slo.log slo;
  upstream app { server dvo-slo-app:8000; }
  server {
    listen 80;
    location / {
      proxy_pass http://app;
      proxy_connect_timeout 2s;
      proxy_read_timeout 5s;
    }
  }
}
```

والعميل `client.py` يمثل المستخدمين: ثمانية Threads، كل واحد يطلب `/api/products` ثم ينتظر ربع ثانية، ويسجل لكل طلب الحالة والزمن، أو نوع الخطأ إذا لم يصل أي رد، وهذا هو الشيء الذي لا يستطيع أي سجل على السيرفر أن يسجله:

```python
# Load + user view: N worker threads call /api/products like real users and record every outcome, including
# connection errors that never reach any server log. Writes one CSV line per request.
import csv, os, sys, threading, time, urllib.request, urllib.error, socket
URL, SECONDS, WORKERS = os.environ.get("URL", "http://dvo-slo-proxy/api/products"), int(os.environ.get("SECONDS", "360")), int(os.environ.get("WORKERS", "8"))
out, lock, end = open("/out/client.csv", "w", newline=""), threading.Lock(), time.time() + SECONDS
w = csv.writer(out); w.writerow(["t", "status", "latency_ms", "error"])
def worker():
    while time.time() < end:
        t0 = time.time(); status, err = 0, ""
        try:
            with urllib.request.urlopen(URL, timeout=3) as r: r.read(); status = r.status
        except urllib.error.HTTPError as e: status = e.code
        except (urllib.error.URLError, socket.timeout, ConnectionError) as e: err = type(getattr(e, "reason", e)).__name__
        with lock: w.writerow([f"{t0:.3f}", status, f"{(time.time()-t0)*1000:.0f}", err])
        time.sleep(0.25)
ts = [threading.Thread(target=worker) for _ in range(WORKERS)]
[t.start() for t in ts]; [t.join() for t in ts]; out.close(); print("client done")
```

والفحص الخارجي `probe.py` يطلب `/health` كل عشر ثوان كما تفعل أدوات فحص التوفر التي شرحناها في [مقال فحص التوفر Uptime Checks](https://arabroot.io/articles/%D9%81%D8%AD%D8%B5-%D8%A7%D9%84%D8%AA%D9%88%D9%81%D8%B1-uptime-checks-%D9%85%D9%86-%D9%8A%D8%B1%D8%A7%D9%82%D8%A8-%D8%B3%D9%8A%D8%B1%D9%81%D8%B1-%D8%A7%D9%84%D9%85%D8%B1%D8%A7%D9%82%D8%A8%D8%A9/):

```python
# Synthetic probe: one GET /health every 10 s from outside, like an uptime checker. One CSV line per check.
import csv, os, time, urllib.request
URL, SECONDS = os.environ.get("URL", "http://dvo-slo-proxy/health"), int(os.environ.get("SECONDS", "360"))
f = open("/out/probe.csv", "w", newline=""); w = csv.writer(f); w.writerow(["t", "up"]); end = time.time() + SECONDS
while time.time() < end:
    t0 = time.time()
    try:
        with urllib.request.urlopen(URL, timeout=3) as r: up = int(r.status == 200)
    except Exception: up = 0
    w.writerow([f"{t0:.3f}", up]); f.flush(); time.sleep(max(0, 10 - (time.time() - t0)))
print("probe done")
```

### تشغيل التجربة Run: ست دقائق مع توقفين

والسكربت `run.sh` يشغل كل شيء على شبكة Docker خاصة، ثم ينفذ التوقفين في وقتهما ويطبع الوقت بتوقيت UTC، ويستخدم Images بإصدارات محددة: `python:3.13-slim` و`nginx:1.29.8-alpine`:

```bash
#!/bin/sh
# Lab run: 6 minutes of traffic; at +120 s the app is stopped for 45 s (a deploy without a second instance),
# at +240 s the proxy is stopped for 20 s (a proxy restart). Event times are printed in UTC.
docker network create dvo-slo-net
docker run -d --name dvo-slo-app --network dvo-slo-net -v "$LAB/app.py:/app.py:ro" python:3.13-slim python -u /app.py
docker run -d --name dvo-slo-proxy --network dvo-slo-net -v "$LAB/nginx.conf:/etc/nginx/nginx.conf:ro" -v "$OUT/nginx:/var/log/nginx" nginx:1.29.8-alpine
sleep 2
docker run -d --name dvo-slo-client --network dvo-slo-net -v "$LAB/client.py:/client.py:ro" -v "$OUT:/out" python:3.13-slim python -u /client.py
docker run -d --name dvo-slo-probe --network dvo-slo-net -v "$LAB/probe.py:/probe.py:ro" -v "$OUT:/out" python:3.13-slim python -u /probe.py
date -u +"%T start"
sleep 120; date -u +"%T app stop";   docker stop -t 0 dvo-slo-app
sleep 45;  date -u +"%T app start";  docker start dvo-slo-app
sleep 75;  date -u +"%T proxy stop"; docker stop -t 0 dvo-slo-proxy
sleep 20;  date -u +"%T proxy start"; docker start dvo-slo-proxy
docker wait dvo-slo-client dvo-slo-probe
```

```text
10:14:08 start
10:16:08 app stop
10:16:54 app start
10:18:10 proxy stop
10:18:32 proxy start
```

ولاحظ أن التوقفين أطول من المكتوب في السكربت بثانية أو ثانيتين، فإيقاف التطبيق استمر 46 ثانية وإيقاف ال Proxy 22 ثانية، لأن الأمرين `docker stop` و`docker start` يأخذان وقتاً، وهذا ما يحدث في أي نشر حقيقي أيضاً: الوقت الذي تخطط له ليس الوقت الذي يراه المستخدم.

### النتائج Results: أربعة أرقام لنفس الدقائق

بعد انتهاء التجربة جمعنا سجل التطبيق بالأمر `docker logs dvo-slo-app > app.log`، وشغلنا سكربت التحليل `analyze.py` الذي يقرأ السجلات الأربعة ويحسب المؤشرين لكل منها، والسكربت كاملاً في مجلد المختبر، والجزء المهم منه حساب الأحداث الجيدة والسيئة لكل مكان:

```python
app = [l.split() for l in open(f"{OUT}/app.log") if "/api/products" in l and len(l.split()) == 3]
app_total, app_bad = len(app), sum(1 for l in app if l[2].startswith("5"))
px = [json.loads(l) for l in open(f"{OUT}/nginx/slo.log") if '"/api/products"' in l]
px_total, px_bad = len(px), sum(1 for r in px if r["status"] >= 500)
px_fast = sum(1 for r in px if r["status"] < 500 and r["rt"] <= 0.300)
cl = sorted(csv.DictReader(open(f"{OUT}/client.csv")), key=lambda r: float(r["t"]))
cl_bad = sum(1 for r in cl if r["status"] == "0" or r["status"].startswith("5"))
cl_fast = sum(1 for r in cl if r["status"] == "200" and int(r["latency_ms"]) <= 300)
```

```text
viewpoint   requests    bad  availability  fast<=300ms
app log         6582     14       99.787%            -
proxy log       6797    197       97.102%      94.483%
client          6860    260       96.210%      93.615%
probe             37      7       81.081%            -

client errors without any HTTP status (never logged by a server): 63
proxy statuses: {200: 6600, 500: 15, 502: 22, 504: 160}
```

![أربعة صناديق لنفس الدقائق الست: سجل التطبيق 99.787% من 6,582 طلباً و14 خطأ ولا يرى توقفه ولا توقف ال Proxy، وسجل ال Proxy 97.102% من 6,797 طلباً و197 خطأ منها 160 من 504 و22 من 502 و15 من 500، والعميل 96.210% من 6,860 طلباً و260 فاشلة منها 63 بلا أي رمز HTTP، والفحص الخارجي 81.081% من 37 فحصاً فشل منها 7](https://arabroot.io/content/images/2026/11/slo-basics-02-viewpoints.webp)

كلما اقترب مكان القياس من المستخدم ظهرت مشاكل أكثر

ولنقرأ كل سطر لأن كل واحد منها يعلم شيئاً مختلفاً:

- **سجل التطبيق 99.787%:** التطبيق لم ير إلا أخطاءه الخاصة، أي أخطاء 500 التي برمجناها. أما الدقيقة التي كان فيها متوقفاً فلم يسجل فيها شيئاً، لأنه لم يكن موجوداً ليسجل، وكذلك توقف Nginx. ولو كان هذا مؤشرك الوحيد لقلت إن الخدمة كانت قريبة من 99.8% بينما شعر المستخدمون بشيء مختلف تماماً. وهذا أخطر خطأ في قياس التوفر: أن تقيس من داخل الشيء الذي يتوقف.
- **سجل ال Proxy 97.102%:** Nginx رأى توقف التطبيق، فسجل 160 خطأ 504 لأن الاتصال بالتطبيق انتظر ثانيتين ثم انتهى، و22 خطأ 502 عندما رفض الاتصال مباشرة، و15 خطأ 500 جاءت من التطبيق نفسه. ولكنه لم ير توقفه هو. ولذلك يوصي SRE Workbook بقياس المؤشر من موزع الطلبات كبداية عملية، لأنه أقرب إلى المستخدم من التطبيق ومقاييسه متاحة غالباً، ولكن مع العلم بأنه أعمى عن توقفه الذاتي.
- **العميل 96.210%:** هذا أقرب رقم لما شعر به المستخدم، وفيه 63 طلباً فشلت دون أي رمز HTTP، أي أنها لم تصل إلى أي سيرفر أصلاً، وكلها في فترة توقف Nginx. ولا يوجد سجل على السيرفر يستطيع أن يعدها، فالطريقة الوحيدة لرؤيتها أن تقيس من جهة العميل، إما من تطبيق الجوال نفسه أو المتصفح، أو من فحص خارجي.
- **الفحص الخارجي 81.081%:** الفحص رأى التوقفين، ولكنه بالغ فيهما كثيراً، لأن 37 فحصاً عينة صغيرة جداً، وكل فحص فاشل يساوي عشر ثوان كاملة من الوقت. ولذلك الفحص الخارجي ممتاز لاكتشاف أن الخدمة متوقفة، وسيئ كمؤشر دقيق للنسبة إلا إذا كانت العينة كبيرة، أي فحوص كثيرة من أماكن كثيرة.

ومؤشر زمن الاستجابة يحكي قصة مشابهة، فمن جهة ال Proxy كانت 94.483% من الطلبات أقل من 300 ملي ثانية، ومن جهة العميل 93.615%، والفرق هو زمن الشبكة بين العميل وال Proxy ووقت إنشاء الاتصال. وحتى بدون التوقفين فلن يتجاوز هذا المؤشر 97% لأننا برمجنا 3% من الطلبات لتكون بطيئة، أي أن الهدف 99% لزمن الاستجابة تحت 300 ملي ثانية مستحيل لهذه الخدمة كما هي، وهذه معلومة مفيدة قبل أن تكتب الهدف في أي اتفاقية: قس أولاً، ثم اختر الهدف.

### أنواع الفشل من جهة العميل Client Errors

ولكي نفهم ما حدث في فترة توقف Nginx بالتحديد عددنا أنواع الأخطاء في ملف العميل، وحسبنا المئينات للطلبات الناجحة:

```text
Counter({('200', ''): 6600, ('504', ''): 160, ('0', 'gaierror'): 40, ('502', ''): 22, ('500', ''): 15, ('0', 'ConnectionRefusedError'): 14, ('0', 'TimeoutError'): 8, ('0', 'RemoteDisconnected'): 1})
p50 85 p95 122 p99 723 max 902
504 latency min/max 2002 2043
```

في المخرج أعلاه لاحظ التالي:

- 40 طلباً فشلت بالخطأ `gaierror`، أي فشل في تحويل الاسم `dvo-slo-proxy` إلى عنوان IP، والسبب أن خادم DNS الداخلي في Docker يحذف اسم ال Container عندما يتوقف. وفي الإنتاج الحقيقي يقابل هذا أن يكون سجل DNS أو Load Balancer الخارجي يشير إلى شيء غير موجود.
- 14 طلباً فشلت برفض الاتصال، و8 بانتهاء المهلة، وطلب واحد انقطع وسط الرد لحظة الإيقاف. وكل هذه الأنواع لا يراها أي سجل على السيرفر.
- كل أخطاء 504 استغرقت ثانيتين بالضبط تقريباً، وهذا هو `proxy_connect_timeout 2s` في إعداد Nginx، أي أن المستخدم انتظر ثانيتين ثم حصل على خطأ، فالطلب فشل وكان بطيئاً أيضاً، وهذا يستهلك من المؤشرين معاً.
- الوسيط p50 كان 85 ملي ثانية، وp95 كان 122، ولكن p99 كان 723 ملي ثانية بسبب الذيل البطيء، وهذا يفسر لماذا لا يكفي المتوسط ولا الوسيط لكتابة هدف زمن الاستجابة.

### مشكلة واجهتنا: سجل التطبيق نفسه ناقص Interleaved Logs

عندما قارنا الأرقام لاحظنا أن Nginx سجل 15 خطأ 500 جاءت من التطبيق، بينما سجل التطبيق نفسه فيه 14 فقط، وأن عدد طلبات التطبيق 6,582 بينما Nginx أرسل إليه أكثر من 6,600 طلب ناجح. فبحثنا في سجل التطبيق عن الأسطر التي لا تحتوي ثلاثة أجزاء كما يفترض:

```bash
awk 'NF!=3' app.log | head -3
awk 'NF!=3' app.log | wc -l
```

```text
 /api/products 200
10:14:3510:14:35 /api/products  /api/products200 500

34
```

والسبب أن التطبيق يستخدم `ThreadingHTTPServer` الذي يعالج كل طلب في Thread مستقل، والدالة `print` من أكثر من Thread في نفس اللحظة تخلط الأسطر ببعضها، فأصبح سطران سطراً واحداً مشوهاً لا يستطيع التحليل أن يقرأه، وضاع منه 34 سطراً، ومعها خطأ 500 واحد. وهذا يعلمنا شيئين: الأول أن المؤشر المحسوب من سجلات نصية يعتمد على أن السجل نفسه سليم، فإذا كان التطبيق يكتب السجلات من Threads كثيرة فاستخدم مكتبة سجلات تكتب كل سطر كاملاً، مثل وحدة `logging` في Python، أو اعتمد على عدادات Metrics بدل عد الأسطر. والثاني أن مقارنة مصدرين مختلفين للرقم نفسه أفضل طريقة لاكتشاف أن أحدهما خاطئ، وهذا سبب إضافي لتقيس من أكثر من مكان.

### ماذا لو قسنا بالدقائق؟ Time-based SLI

هناك طريقة ثانية لحساب التوفر غير عد الطلبات، وهي عد الدقائق: تقسم الوقت إلى دقائق، وتعتبر الدقيقة سيئة إذا كانت نسبة النجاح فيها أقل من حد معين، ثم التوفر هو نسبة الدقائق الجيدة. وهذه الطريقة مستخدمة كثيراً في اتفاقيات المزودين السحابيين. فحسبنا نجاح طلبات العميل لكل دقيقة، واعتبرنا الدقيقة سيئة إذا نجح فيها أقل من 99%:

```text
minute  requests  ok%
     0      1365  99.63%
     1      1376  99.71%
     2       492  63.01%  BAD
     3      1381 100.00%
     4       882  92.63%  BAD
     5      1364  99.71%
```

![أعمدة لست دقائق: الدقيقة 0 بنسبة 99.63% والدقيقة 1 بنسبة 99.71% بالأخضر، والدقيقة 2 بنسبة 63.01% بالأحمر بسبب إيقاف التطبيق 45 ثانية، والدقيقة 3 بنسبة 100%، والدقيقة 4 بنسبة 92.63% بالأحمر بسبب إيقاف ال Proxy 20 ثانية، والدقيقة 5 بنسبة 99.71%](https://arabroot.io/content/images/2026/11/slo-basics-03-timeline.webp)

دقيقتان سيئتان من ست بحساب الدقائق

بحساب الطلبات كان التوفر 96.21%، وبحساب الدقائق دقيقتان سيئتان من ست، أي 66.7%. والفرق كبير لأن الطريقتين تجيبان عن سؤالين مختلفين: الطلبات تقول كم مستخدماً تأثر، والدقائق تقول كم من الوقت كانت الخدمة سيئة. ولاحظ شيئاً آخر في الجدول: الدقيقة الثانية فيها 492 طلباً فقط بدل 1,370 تقريباً، لأن كل طلب فشل انتظر ثانيتين، فأرسل العميل طلبات أقل. أي أن التوقف يخفض المقام نفسه، فيبدو المؤشر بالطلبات أفضل مما هو، وهذا من أسباب استخدام الدقائق في بعض الاتفاقيات. والقاعدة: اختر طريقة واحدة، واكتبها صراحة في تعريف المؤشر، لأن الرقمين لا يقارنان ببعضهما.

### كم استهلكت التجربة من الميزانية؟ Budget Consumed

آخر جزء في مخرج التحليل يجيب عن سؤال الإدارة بلغة الميزانية، إذا افترضنا أن الخدمة تستقبل نفس الحركة طوال الشهر وأن الهدف 99.9%:

```text
rate 19.1 req/s -> 49,393,098 requests in 30 days; 99.9% budget = 49,393 failed requests
this run used 260 of them = 0.53% of the monthly budget (client view)
the app log would report 14 = 0.028%
```

أي أن توقفين قصيرين، مجموعهما أقل من دقيقة ونصف، استهلكا نصف بالمئة من ميزانية شهر كامل من جهة العميل، بينما سجل التطبيق يقول إن الاستهلاك أقل من ثلاثة بالألف من ذلك. ولو تكرر هذا النشر بلا نسخة ثانية مرتين يومياً لاستهلك الفريق ثلث الميزانية من النشر وحده، دون أي عطل حقيقي. وهنا يتحول المؤشر إلى قرار هندسي واضح: إما أن ينشر الفريق بطريقة لا توقف الخدمة، مثل نسختين خلف ال Proxy يحدث كل منهما بدوره، أو أن يقبل أن جزءاً من الميزانية يذهب للنشر، ويحسب ذلك في الهدف.

## النافذة الزمنية Window: متحركة أم تقويمية؟

كل هدف له نافذة زمنية، والسؤال: هل هي متحركة Rolling Window، مثل آخر 30 يوماً دائماً، أم تقويمية Calendar Window، مثل الشهر من أوله إلى آخره؟ ويقول فصل تطبيق الأهداف إن النافذة المتحركة أقرب إلى تجربة المستخدم، فإذا حدث عطل كبير في آخر يوم من الشهر فالمستخدم لا ينساه في أول يوم من الشهر التالي، ويوصي بأن تكون النافذة عدداً صحيحاً من الأسابيع، مثل 28 يوماً، لتحتوي دائماً نفس عدد أيام نهاية الأسبوع، لأن الحركة تختلف بين أيام الأسبوع. أما النافذة التقويمية فتناسب التقارير والعقود، لأن العميل يدفع شهرياً، والتعويض يحسب على فاتورة شهر معين، ولذلك تجد الاتفاقيات تكتب دائماً «خلال دورة الفوترة الشهرية».

والحل العملي الذي اختاره الفريق في القصة: نافذة متحركة 28 يوماً للهدف الداخلي الذي تبنى عليه التنبيهات وقرارات النشر، ونافذة تقويمية شهرية للتقرير الذي يرسل للشريك بحسب الاتفاقية. ولاحظ أن النافذة القصيرة تجعل الهدف حساساً، فيوم سيئ واحد يظهر بوضوح، والطويلة تجعله أهدأ ولكنها تخفي المشاكل المتكررة الصغيرة، ولذلك تستخدم التنبيهات نوافذ قصيرة على معدل الاستهلاك كما شرحنا في [مقال التنبيهات](https://arabroot.io/articles/%D8%A7%D9%84%D8%AA%D9%86%D8%A8%D9%8A%D9%87%D8%A7%D8%AA-alerting-%D9%85%D8%A7%D8%B0%D8%A7-%D8%AA%D9%86%D8%A8%D9%87-%D8%B9%D9%84%D9%8A%D9%87-%D9%88%D9%85%D8%AA%D9%89-%D8%AA%D9%88%D9%82%D8%B8-%D8%A7%D8%AD%D8%AF%D8%A7/)، والهدف نفسه يبقى على النافذة الطويلة.

## الاتفاقية SLA بأرقام حقيقية: ماذا تعد AWS؟

لكي نفهم كيف تكتب الاتفاقيات في الواقع، لننظر إلى [اتفاقية Amazon EC2](https://aws.amazon.com/compute/sla/?ref=arabroot.io) كما هي منشورة. فالاتفاقية فيها مستويان: على مستوى المنطقة Region-Level، إذا كانت أجهزتك موزعة على منطقتي توفر Availability Zones أو أكثر، تلتزم AWS بنسبة توفر شهرية 99.99%، وعلى مستوى الجهاز الواحد Instance-Level تلتزم بنسبة 99.5% فقط. والتعويض في الحالتين رصيد Service Credit من فاتورة الشهر، وليس مالاً: 10% إذا كان التوفر أقل من الهدف وأعلى من 99%، و30% إذا كان بين 99% و95%، و100% إذا كان أقل من 95%. وفي [اتفاقية Amazon S3](https://aws.amazon.com/s3/sla/?ref=arabroot.io) للفئة القياسية يبدأ التعويض تحت 99.9%، والنسب 10% ثم 25% ثم 100%.

وفي هذه الأرقام ثلاثة دروس للفريق الذي يكتب اتفاقيته الأولى. الأول أن الفرق بين 99.99% و99.5% في اتفاقية EC2 هو الفرق بين جهاز واحد وأجهزة في أكثر من مكان، أي أن الرقم الأعلى مشروط بتصميم أنت تدفع ثمنه، وهذا ما رأيناه في حساب التوازي. والثاني أن التعويض جزء من الفاتورة فقط، فإذا توقف متجرك يوماً كاملاً بسبب المزود فأقصى ما تحصل عليه هو قيمة فاتورة الشهر، وليس خسارتك من المبيعات، ولذلك اتفاقية المزود ليست خطة لاستمرارية عملك. والثالث أن الاتفاقية تعرف بدقة ما هو «غير متاح» وما هو مستثنى، والمطالبة بالتعويض تحتاج أن يفتح العميل طلباً بنفسه، أي أن قياس العميل نفسه هو الذي يثبت الحق، ولذلك قس من جهتك دائماً.

وبناء على ذلك وقع الفريق في القصة مع الشريك اتفاقية بنسبة 99.5% شهرياً على مؤشر التوفر مقاساً من موزع الطلبات، مع استثناء صيانة مخطط لها بإشعار مسبق، بينما الهدف الداخلي 99.9% على نافذة 28 يوماً. والفرق بين الرقمين هو هامش الأمان: إذا بدأ الفريق يقترب من مخالفة الهدف الداخلي فهو ما زال بعيداً عن مخالفة العقد، ولديه وقت ليتصرف. ولا تقم أبداً بكتابة ال SLA بنفس رقم ال SLO، والسبب أنك بهذا تجعل أول مخالفة داخلية مخالفة للعقد أيضاً، دون أي إنذار مبكر.

## سياسة ميزانية الأخطاء Error Budget Policy

الهدف بلا سياسة مجرد رقم على لوحة. والسياسة وثيقة قصيرة يتفق عليها مسؤول المنتج والفريق الهندسي قبل أي حادثة، وتقول ماذا يحدث عندما تقترب الميزانية من النهاية. ونشر SRE Workbook [مثالاً كاملاً لسياسة ميزانية الأخطاء](https://sre.google/workbook/error-budget-policy/?ref=arabroot.io)، ومن أهم ما فيه: إذا تجاوزت الخدمة ميزانيتها في الفترة السابقة تتوقف كل التغييرات والإطلاقات ما عدا الإصلاحات العاجلة وإصلاحات الأمن حتى تعود الخدمة ضمن الهدف، وإذا استهلكت حادثة واحدة أكثر من 20% من ميزانية أربعة أسابيع فيجب أن تكتب لها مراجعة ما بعد الحادثة Postmortem، وإذا استهلك نوع واحد من الأعطال أكثر من 20% من الميزانية في ربع سنة فيجب أن يدخل إصلاحه في خطة الربع التالي. والصورة التالية تلخص الفكرة:

![ثلاث حالات: الميزانية متبقية أكثر من 50% فننشر الميزات بالسرعة المعتادة والتغييرات الخطرة، ثم الاستهلاك سريع بمعدل استهلاك أكبر من 1 فتنبيه ومراجعة لكل حادث استهلك أكثر من 20%، ثم الميزانية انتهت فنوقف الميزات والعمل على الموثوقية والأمن فقط، وتحتها أن مسؤول المنتج والفريق الهندسي يوقعان السياسة قبل أي حادثة ومن يستثني يكتب السبب](https://arabroot.io/content/images/2026/11/slo-basics-06-policy.webp)

السياسة تجعل القرار مكتوباً قبل أن يحتاجه أحد

والقيمة الحقيقية للسياسة أنها تمنع النقاش في أسوأ وقت، فعندما تنتهي الميزانية في منتصف الشهر وفريق المنتج يريد إطلاق ميزة كبيرة يوم الخميس، لا يحتاج أحد أن يقنع أحداً، فالقرار مكتوب ومتفق عليه، ومن يريد استثناء يكتب سببه ويوقعه المسؤول. وفي المقابل السياسة تحمي الفريق من الجهة الأخرى، فإذا كانت الميزانية متبقية فلا يحق لأحد أن يوقف النشر لأنه «يشعر» أن الوضع غير مستقر، فالرقم يقول إن الوضع ضمن المتفق عليه. وفي قصة الفريق أضافت السياسة بنداً خاصاً بما رأيناه في المختبر: كل طريقة نشر توقف الخدمة يجب أن تتغير قبل الربع القادم، لأن النشر استهلك جزءاً ثابتاً من الميزانية كل أسبوع.

وقد يتساءل البعض: هل تحتاج شركة صغيرة بفريق من أربعة أشخاص كل هذا؟ والإجابة أنها لا تحتاج وثيقة من عشر صفحات، ولكنها تحتاج ثلاثة أسطر: ما هو الهدف، ومن أين يقاس، وماذا نفعل عندما ينتهي. وهذه الأسطر الثلاثة وحدها تغير طريقة النقاش في الفريق، لأنها تحول الموثوقية من شعور إلى رقم.

## من أين تبدأ؟ First SLO

إذا لم يكن لدى فريقك أي هدف حتى الآن فلا تبدأ بعشرة أهداف، وإنما بهدف واحد لأهم مسار يقوم به المستخدم User Journey، مثل «تصفح المنتجات» أو «إتمام الدفع». والخطوات التي اتبعها الفريق في القصة بالترتيب كما يلي:

1. اختر مسار المستخدم الأهم، واكتب مواصفة المؤشر بكلامه: «طلبات قائمة المنتجات التي نجحت».
2. اختر مكان القياس الأقرب إلى المستخدم مما هو متاح لك الآن، وغالباً سجل موزع الطلبات أو مقاييسه، وأضف فحصاً خارجياً لترى التوقف الكامل الذي لا يراه موزع الطلبات.
3. قس أسبوعين أو أربعة دون أي هدف، لتعرف أين أنت فعلاً، كما رأينا أن 97% هو أقصى ما تستطيعه الخدمة في زمن الاستجابة.
4. اختر الهدف قريباً مما تحققه الآن إذا كان المستخدمون راضين، ولا تختر هدفاً أعلى بكثير مما تحققه، لأن ميزانية تنتهي في أول أسبوع تعلم الفريق تجاهلها.
5. اكتب السياسة في ثلاثة أسطر، واعرض الرقم والميزانية المتبقية في لوحة يراها الفريق كله، كما في [لوحات Grafana](https://arabroot.io/articles/%D9%85%D9%82%D8%A7%D9%8A%D9%8A%D8%B3-%D8%A7%D9%84%D8%B3%D9%8A%D8%B1%D9%81%D8%B1%D8%A7%D8%AA-metrics-prometheus-%D9%85%D8%B9-%D9%84%D9%88%D8%AD%D8%A7%D8%AA-grafana/).
6. بعد ربع سنة راجع الهدف: هل كان المستخدمون راضين عندما كنت ضمنه؟ وهل اشتكوا وأنت ضمنه؟ فإذا اشتكوا فالهدف منخفض أو المؤشر لا يقيس الشيء الصحيح.

## أخطاء شائعة Common Mistakes

- **قياس التوفر من داخل التطبيق:** التطبيق المتوقف لا يسجل توقفه، ورأينا 99.79% مقابل 96.21% لنفس الدقائق.
- **الهدف 100% أو قريب منه:** يوقف النشر ولا يشعر به المستخدم، وكل تسعة تكلف أضعاف التي قبلها.
- **SLA بنفس رقم SLO:** لا يبقى أي هامش بين الإنذار الداخلي ومخالفة العقد.
- **هدف أعلى من حاصل ضرب ما تعتمد عليه:** أربع خدمات 99.9% على التوالي لا تعطي 99.9%.
- **هدف زمن الاستجابة بالمتوسط أو بالمئين مباشرة:** الأفضل نسبة الطلبات الأسرع من حد معين، لأنها تجمع على أي فترة.
- **إدخال طلبات الفحص في المقام:** ترفع المؤشر دون أن يتحسن شيء للمستخدم.
- **حساب أخطاء 4xx ضد الخدمة:** أغلبها خطأ العميل، إلا إذا كانت الخدمة نفسها ترجعها بالخطأ.
- **خلط الحساب بالطلبات والحساب بالدقائق:** رقمان لا يقارنان، فاكتب الطريقة في تعريف المؤشر.
- **الاعتماد على الفحص الخارجي كمؤشر دقيق:** 37 فحصاً أعطت 81%، فهو للاكتشاف وليس للنسبة.
- **هدف بلا سياسة:** رقم على لوحة لا يغير أي قرار.
- **اختيار الهدف قبل القياس:** فتكتشف بعد التوقيع أن الخدمة لا تستطيع تحقيقه أصلاً.

## قائمة تحقق Checklist لأول هدف

| البند                                 | كيف تتحقق منه                                           |
| ------------------------------------- | ------------------------------------------------------- |
| المؤشر نسبة أحداث جيدة من الصالحة     | البسط والمقام مكتوبان، وما يستبعد من المقام مكتوب       |
| مكان القياس قريب من المستخدم          | موزع الطلبات أو العميل، مع فحص خارجي يكشف التوقف الكامل |
| القياس من مكانين على الأقل            | مقارنة دورية بين الرقمين تكشف السجلات الناقصة           |
| الهدف مبني على قياس فعلي              | أسبوعان إلى أربعة من البيانات قبل اختيار الرقم          |
| النافذة مكتوبة                        | متحركة 28 يوماً للعمل، وتقويمية للتقارير والعقود        |
| الاعتمادات محسوبة                     | حاصل ضرب أهداف الخدمات على التوالي أعلى من هدفك         |
| ال SLA أقل من ال SLO                  | هامش واضح، واستثناءات الصيانة مكتوبة                    |
| السياسة موقعة                         | ماذا يحدث عند 50% وعند صفر، ومن يوقع الاستثناء          |
| الميزانية ظاهرة للفريق                | لوحة فيها المؤشر والهدف والمتبقي من الميزانية           |
| التنبيه على الاستهلاك وليس على كل خطأ | قواعد Burn Rate بنافذتين كما في مقال التنبيهات          |

## تدريب عملي Practice

- أعد تشغيل المختبر بنسختين من التطبيق خلف Nginx في نفس ال `upstream`، وأوقف نسخة واحدة فقط 45 ثانية، ثم قارن نسبة العميل بالنتيجة السابقة، وابحث في [توثيق وحدة upstream](https://nginx.org/en/docs/http/ngx%5Fhttp%5Fupstream%5Fmodule.html?ref=arabroot.io) عن الخيار الذي يجعل Nginx يجرب النسخة الأخرى عند الفشل.
- غير الحد في `analyze.py` من 300 إلى 800 ملي ثانية، واحسب كم يصبح مؤشر زمن الاستجابة، ثم اكتب بنفسك هدفاً واقعياً لهذه الخدمة.

## حذف المختبر Cleanup

```bash
docker rm -f dvo-slo-app dvo-slo-proxy dvo-slo-client dvo-slo-probe
docker network rm dvo-slo-net
docker rmi nginx:1.29.8-alpine
```

## الخلاصة Summary

وصلنا لنهاية الموضوع، وأهم ما فيه:

- ال SLI ما تقيسه، وال SLO ما يلتزم به الفريق، وال SLA عقد مع العميل فيه تعويض، والميزانية ما يتبقى من الهدف وتصرف على النشر والتجارب والأعطال.
- 99.9% تعني 43.2 دقيقة في 30 يوماً و8.76 ساعة في السنة، و99.99% تعني أربع دقائق في الشهر لا تكفي إلا لتراجع آلي.
- الخدمات على التوالي تضرب نسبها، وأربع حلقات أضعفها 99.9% أعطت 99.79%، والتوازي المستقل هو ما يرفع الرقم.
- نفس الدقائق الست أعطت 99.79% من سجل التطبيق، و97.10% من ال Proxy، و96.21% من العميل، و81.08% من الفحص الخارجي، و63 فشلاً لم يسجلها أي سيرفر.
- توقفان أقل من دقيقة ونصف استهلكا 0.53% من ميزانية شهر بهدف 99.9%، والنشر الذي يوقف الخدمة يستهلك الميزانية دون أي عطل.
- اتفاقيات المزودين تعوض بجزء من الفاتورة فقط، وال SLA تكتب أقل من ال SLO، والسياسة المكتوبة هي ما يحول الرقم إلى قرار.

وفي المقالات القادمة من مرحلة التشغيل بإذن الله نتكلم عن دليل التشغيل Runbook الذي يجعل الاستجابة للحادثة أسرع، ثم عن إدارة الحوادث نفسها من لحظة التنبيه إلى عودة الخدمة.

[![](https://arabroot.io/content/images/2026/10/observability-intro-cover-cover.webp)دليلمفاهيم المراقبة Observability: من الإشارة إلى التنبيهما الذي تجيب عنه المقاييس والسجلات والتتبع، وكيف تبني تنبيهاً على ما يشعر به المستخدم وعلى ميزانية الأخطاء بدل كل رقم.](https://arabroot.io/articles/%D9%85%D9%81%D8%A7%D9%87%D9%8A%D9%85-%D8%A7%D9%84%D9%85%D8%B1%D8%A7%D9%82%D8%A8%D8%A9-observability-%D9%85%D9%86-%D8%A7%D9%84%D8%A7%D8%B4%D8%A7%D8%B1%D8%A9-%D8%A7%D9%84%D9%89-%D8%A7%D9%84%D8%AA%D9%86%D8%A8%D9%8A%D9%87/)[![](https://arabroot.io/content/images/2026/11/golden-signals-cover-cover.webp)دليلالإشارات الذهبية Golden Signals: ماذا تقيس في خدمتك؟نضيف القياس إلى خدمة دفع حقيقية ونضغط عليها حتى تنهار، فنرى لماذا انتظر المستخدم ست ثوان والمعالج عند 5% دون خطأ واحد.](https://arabroot.io/articles/%D8%A7%D9%84%D8%A7%D8%B4%D8%A7%D8%B1%D8%A7%D8%AA-%D8%A7%D9%84%D8%B0%D9%87%D8%A8%D9%8A%D8%A9-golden-signals-%D9%85%D8%A7%D8%B0%D8%A7-%D8%AA%D9%82%D9%8A%D8%B3-%D9%81%D9%8A-%D8%AE%D8%AF%D9%85%D8%AA%D9%83/)[![](https://arabroot.io/content/images/2026/11/uptime-checks-cover-cover.webp)دليلفحص التوفر Uptime Checks: من يراقب سيرفر المراقبة؟نفحص الموقع والشهادة وRedis من الخارج مع Blackbox Exporter وUptime Kuma، ونكشف النسخ الاحتياطي الذي توقف بصمت، ونتأكد أن أحداً يراقب سيرفر المراقبة نفسه.](https://arabroot.io/articles/%D9%81%D8%AD%D8%B5-%D8%A7%D9%84%D8%AA%D9%88%D9%81%D8%B1-uptime-checks-%D9%85%D9%86-%D9%8A%D8%B1%D8%A7%D9%82%D8%A8-%D8%B3%D9%8A%D8%B1%D9%81%D8%B1-%D8%A7%D9%84%D9%85%D8%B1%D8%A7%D9%82%D8%A8%D8%A9/)[![](https://arabroot.io/content/images/2026/11/alerting-basics-cover-cover.webp)دليلالتنبيهات Alerting: ماذا تنبه عليه ومتى توقظ أحداً؟نبني مع Alertmanager تنبيهات تصل فيها المشكلة الواحدة في رسالة واحدة، والعاجل فوراً والروتيني في ملخص صباحي، ونجرب كل قرار بالثواني.](https://arabroot.io/articles/%D8%A7%D9%84%D8%AA%D9%86%D8%A8%D9%8A%D9%87%D8%A7%D8%AA-alerting-%D9%85%D8%A7%D8%B0%D8%A7-%D8%AA%D9%86%D8%A8%D9%87-%D8%B9%D9%84%D9%8A%D9%87-%D9%88%D9%85%D8%AA%D9%89-%D8%AA%D9%88%D9%82%D8%B8-%D8%A7%D8%AD%D8%AF%D8%A7/)[![](https://arabroot.io/content/images/2026/10/platform-sre-devops-cover-cover.webp)دليلDevOps وSRE وهندسة المنصات: أين يلتقي كل منها؟ما الذي يعنيه كل مصطلح فعلاً، وكيف تحسب ميزانية الأخطاء، وما شكل الفريق المناسب لحجم شركتك.](https://arabroot.io/articles/%D8%A7%D9%84%D9%81%D8%B1%D9%82-%D8%A8%D9%8A%D9%86-devops-%D9%88-sre-%D9%88-platform-engineering/)

## سجل التحديثات Changelog

- نوفمبر 2026: كتابة الدليل وتنفيذ المختبر بإصدارات Python 3.13.18 وnginx 1.29.8 على Docker Engine 29.8.0.