SLA monitoring: come tracciare e riportare il 99,9% di uptime

«Garantiamo il 99,9% di uptime.» È una promessa che molte aziende SaaS fanno. Quante possono dimostrarlo? L'SLA monitoring trasforma quella promessa da copy marketing in impegno misurabile e riportabile.

Capire gli SLA di uptime

Cosa significa davvero «99,9% uptime»?

I numeri suonano impressionanti, ma la differenza tra ogni «nove» è significativa:

| SLA | Downtime annuo | Downtime mensile |
|-----|----------------|------------------|
| 99% | 3 giorni, 15 ore | 7 ore, 18 min |
| 99,5% | 1 giorno, 19 ore | 3 ore, 39 min |
| 99,9% | 8 ore, 46 min | 43 min, 50 sec |
| 99,95% | 4 ore, 23 min | 21 min, 55 sec |
| 99,99% | 52 min, 36 sec | 4 min, 23 sec |

Al 99,9% hai meno di 44 minuti di downtime consentito al mese. Include manutenzione pianificata, outage a sorpresa e degradazioni parziali. È un budget stretto.

SLA vs SLO vs SLI

Spesso si confondono:

• SLI (Service Level Indicator) — La metrica che misuri: percentuale di uptime, response time, error rate.
• SLO (Service Level Objective) — Il target interno: «L'API dovrebbe essere disponibile il 99,95% del tempo.»
• SLA (Service Level Agreement) — L'impegno contrattuale con conseguenze finanziarie: «Se l'uptime scende sotto il 99,9%, i clienti ricevono crediti di servizio.»

Il tuo SLO dovrebbe essere più stringente dell'SLA. Se l'SLA promette 99,9%, il target interno dovrebbe essere 99,95% o superiore. Così hai margine prima che le violazioni SLA attivino penalità finanziarie.

Come misurare l'uptime

Formula base

```
Uptime % = ((Minuti totali - Minuti di downtime) / Minuti totali) × 100
```

Per un mese di 30 giorni (43.200 minuti):

• 20 minuti di downtime = 99,954% uptime
• 44 minuti di downtime = 99,898% uptime (violazione SLA al 99,9%)
• 120 minuti di downtime = 99,722% uptime

Cosa conta come downtime?

Qui serve chiarezza. L'SLA dovrebbe definire:

Di solito conta come downtime:

• Indisponibilità completa del servizio (errori 5xx, timeout)
• Degradazione severa delle performance (response time > 10× il normale)
• Fallimenti di autenticazione che impediscono l'accesso
• Eventi di perdita o corruzione dati

Di solito escluso:

• Finestre di manutenzione programmata (con preavviso)
• Force majeure (disastri naturali, grandi outage Internet)
• Problemi causati dal cliente (chiamate API mal configurate)
• Dipendenze di terze parti fuori dal vostro controllo

Documenta queste definizioni nell'SLA. L'ambiguità non aiuta nessuno.

Monitoring per conformità SLA

Per tracciare l'uptime in modo accurato:

Check frequenti: intervalli da 1 o 30 secondi danno misure precise del downtime. Un intervallo da 5 minuti significa precisione solo ±5 minuti — rilevante quando il budget mensile è 44 minuti.

Monitora da più location: un outage che colpisce solo gli utenti europei resta un outage. Il monitoring multi-regione intercetta problemi localizzati.

Uptime per component: l'SLA può coprire il servizio nel complesso, ma il tracking per component mostra i punti deboli: «La nostra API era al 99,99%, ma il sistema webhook solo al 99,7%.»

Escludi le finestre di manutenzione: se l'SLA consente manutenzione programmata, assicurati che il tool supporti maintenance windows così quei periodi non contano contro l'uptime.

Costruire un report SLA

Metriche essenziali

Ogni report SLA dovrebbe includere:

1. Percentuale di uptime complessiva — Il numero in evidenza.
2. Numero di Incident — Quante volte il servizio è andato giù.
3. Downtime totale — Minuti/ore aggregate di indisponibilità.
4. MTTD (Mean Time to Detect) — Quanto velocemente avete notato ogni problema.
5. MTTR (Mean Time to Recovery) — Quanto velocemente è stato risolto.
6. Incident singolo più lungo — Il peggiore blackout del periodo.
7. Confronto trend — Come questo periodo si confronta con i precedenti.

Frequenza di reporting

• Mensile: standard per molti accordi SLA. Metriche sopra più elenco Incident con timestamp e descrizioni.
• Trimestrale: formato business review. Trend, iniziative di miglioramento, investimenti infrastrutturali.
• Annuale: panoramica strategica per leadership e clienti enterprise. Confronti anno su anno e roadmap di affidabilità.

Rendere i report azionabili

Un report che dice solo «99,94% uptime» è poco utile. Accoppialo con:

• Dettaglio Incident: cosa è successo, come rilevato, come risolto, cosa fate per evitare il ripetersi.
• Tracking dell'error budget: se l'SLA è 99,9% e avete usato 30 dei 44 minuti consentiti questo mese, il team sa di essere cauti con deploy rischiosi.
• Analisi trend: l'uptime migliora o peggiora? Gli Incident sono più o meno frequenti?

Strategie per mantenere alto l'uptime

Gestione dell'error budget

Il concetto di error budget dal framework SRE di Google è potente. L'error budget è la differenza tra il 100% e il target SLO.

Per un SLO del 99,9% su 30 giorni, l'error budget è 43 minuti.

Quando sei dentro budget, puoi andare veloce — deploy frequenti, esperimenti, rischi calcolati. Quando il budget si assottiglia, rallenta — congela deploy non critici, aumenta i test, concentrati sull'affidabilità.

Investi dove conta

Non tutti i miglioramenti di uptime sono uguali. Concentrati su:

1. Eliminare single point of failure — Database senza replica, server senza failover, DNS senza backup.
2. Ridurre il rischio di deploy — Blue-green, canary, rollback automatici prevengono outage da deploy.
3. Velocizzare il rilevamento — Rilevare prima significa outage più brevi. La differenza tra 15 secondi e 5 minuti può essere conformità SLA o violazione.
4. Automatizzare il recovery — Sistemi self-healing che riavviano processi, instradano traffico e scalano risorse.

Usa una Status Page per la trasparenza

Una Status Page pubblica non migliora direttamente l'uptime, ma cambia la percezione dell'affidabilità:

• Comunicazione proattiva durante gli Incident costruisce fiducia
• La cronologia degli Incident dimostra il track record
• Le notifiche agli iscritti tengono informati i clienti
• La trasparenza riduce i ticket di supporto

Conclusione

L'SLA monitoring non è solo conformità contrattuale — è cultura dell'affidabilità. Quando misuri l'uptime con rigore, lo riporti in modo trasparente e gestisci l'error budget in modo intenzionale, crei un ciclo che migliora continuamente il servizio.

Inizia definendo target chiari, monitoring preciso e reporting onesto. I numeri seguiranno.

Traccia il tuo SLA con precisione. Inizia a monitorare gratis — report di uptime dettagliati, tracking degli Incident e Status Page incluse.