Memory Orchestration 監視仕様（SLO/SLA）

最終更新: 2026-08-22

1. 目的

本仕様は MemoryOrchestrator の本番運用に必要な監視指標、SLO/SLA、アラート、運用判定基準を定義する。

2. 対象範囲

• request normalization
• memory retrieval
• model execution
• learning update
• memory writeback
• degraded / fail-fast / fallback snapshot

3. 主要メトリクス

3.1 レイテンシ

• orchestrator_request_latency_ms (histogram)
• labels: status, source, mode
• SLO:
• p95 < 800 ms
• p99 < 1500 ms

3.2 成功率 / 縮退率

• orchestrator_requests_total (counter)
• labels: status=completed|degraded|failed
• orchestrator_degraded_total (counter)
• SLO:
• completed ratio >= 99.0% (rolling 7d)
• degraded ratio <= 0.8% (rolling 1d)

3.3 ステージ別失敗

• orchestrator_stage_failures_total (counter)
• labels: stage, error_code, retryable
• SLO:
• MLI-RET-001 <= 0.3%
• MLI-EXE-001 <= 0.2%
• MLI-WRB-001 <= 0.2%

3.4 フォールバックスナップショット

• orchestrator_fallback_snapshot_total (counter)
• labels: failed_stage, error_code
• orchestrator_fallback_snapshot_persist_fail_total (counter)
• SLO:
• snapshot persist success >= 99.9%

3.5 因果抽出品質

• orchestrator_causal_context_items (histogram)
• orchestrator_causal_edges_items (histogram)
• 監視目安:
• neutral workload で causal_edges p95 <= 0
• causal workload で causal_edges p50 >= 1

4. SLA

• Availability SLA: 99.5% / month
• Incident response:
• Sev1 acknowledgement <= 15 min
• Sev2 acknowledgement <= 60 min
• Recovery target:
• degraded surge 収束 <= 2 h

5. アラートルール

1. Critical
2. 条件: 5分窓で failed ratio > 2%

3. 対応: fail-fast 依存経路を遮断し fallback 経路優先

4. High

5. 条件: MLI-RET-001 が 10分連続で閾値超過

6. 対応: retrieval backend 健全性確認、キャッシュ/索引再同期

7. High

8. 条件: orchestrator_fallback_snapshot_persist_fail_total > 0
9. 対応: ストレージ権限/容量/ファイルシステム異常確認

6. 運用フロー

1. Alert 発火
2. failed/degraded 比率確認
3. stage/error_code 別分解
4. fallback snapshot と audit trail の突合
5. rollback または safe mode 強化
6. postmortem と閾値見直し

7. 参照

• MEMORY_ORCHESTRATION_E2E_SPEC.md
• EvoSpikeNet-Core/specs/system_orchestration_spec.md