> For the complete documentation index, see [llms.txt](https://weekly-essay.mikey.wang/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://weekly-essay.mikey.wang/fr/2022/w23-a-stability-metric-that-accurately-describes-customer-impact.md).

# W23-Un indicateur de stabilité qui décrit précisément l'impact sur les clients

### **Contexte**

Pourquoi réfléchir aux indicateurs de stabilité **?** Plusieurs événements récents se sont combinés. Je préparais la reprise après sinistre de Yugong. L'amélioration de la disponibilité est notre objectif O2 cette année, et je dois aider Zhongze à planifier. Enfin, un cours recommandé par Jerry sur la pensée fondée sur les données m'a donné plusieurs idées.

### **Quelques notions fondamentales**

Nous parlons souvent de haute disponibilité, de fiabilité et de stabilité comme si un taux de succès suffisait à tout mesurer. Dans un sens précis, ces trois notions ne sont pourtant pas équivalentes.

**Availability, disponibilité.** C'est la part du temps observé pendant laquelle le système fonctionne normalement. **Elle décrit si l'on peut l'utiliser.**

**Reliability, fiabilité.** C'est la probabilité qu'un système fonctionne sans défaillance pendant un intervalle et dans des conditions donnés. **Elle décrit si le résultat est correct.**

**Stability, stabilité.** Elle concerne la probabilité d'erreur et la tendance à la dégradation des performances pendant une période d'exécution continue sous certaines contraintes. Le frontend s'exécute de façon décentralisée, sur des terminaux dispersés. **La stabilité décrit donc la qualité d'utilisation selon les appareils et les réseaux.**

On peut comprendre leurs relations ainsi : une faible fiabilité affecte parfois la disponibilité, mais l'inverse n'est pas nécessairement vrai. La disponibilité est le préalable de la fiabilité ; la stabilité en constitue un approfondissement.

Présentons ensuite l'espérance, à partir du cours mentionné plus haut. Un exemple qui explique la loi de Murphy par l'espérance en constitue une bonne application.

L'espérance est la moyenne pondérée des résultats possibles, avec leurs probabilités comme poids. Elle est entièrement déterminée par la distribution des probabilités. Selon la loi des grands nombres, un nombre suffisant d'essais converge vers cette valeur prévue. L'espérance est donc une prévision avant les faits, tandis que la moyenne habituelle est une statistique après les faits. L'anglais les distingue ici par Mean pour l'espérance et Average pour la moyenne.

### **Le calcul actuel de la disponibilité**

Les SLA d'une spécification de livraison sont un ensemble de valeurs attendues.

Une définition courante du secteur est : Availability = MTTF / (MTTF + MTTR).

MTTF, Mean Time To Failure, est la durée moyenne de fonctionnement avant une défaillance. Plus elle est longue, plus le système est fiable.

MTTR, Mean Time To Repair, est la durée moyenne nécessaire pour réparer un système réparable, depuis la panne jusqu'à la fin de la réparation. Plus elle est courte, meilleure est la maintenabilité.

L'entreprise définit la disponibilité plus précisément. Elle convertit les pertes dues aux incidents en durée pour calculer le temps de réparation.

La formule est : Availability = ( 525600 - sum( min {1440 \* loss, ( t2 - t1 ) })) / 525600.

525600 représente les 525 600 minutes d’une année, et 1440 les 1 440 minutes d’une journée. loss est la proportion de commandes quotidiennes perdues. Pour une activité sans transactions, on peut utiliser les visites perdues ou l'augmentation des réclamations. t2-t1 est la durée de l'incident.

### **Calcul de l'indicateur X**

Je cherche un indicateur décrivant plus exactement l'impact sur les clients. Faute de meilleur nom, appelons-le X.

Si M (Mean) est l'espérance de l'impact client, P (Probability) sa probabilité et D (Degree) son intensité, alors M = P \* D. Pour faciliter la lecture, prenons une activité transactionnelle. P = durée de l'incident / durée de l'année, et D = commandes perdues / commandes annuelles.

L'indicateur X pourrait donc se calculer ainsi :

( 1 - sqrt ( (commandes perdues / commandes annuelles) \* (durée de l'incident / durée de l'année) ) \* 100%

Il faut encore mûrir la réflexion pour appliquer cet indicateur en production.