SRE——重点在于办理题目和创造更大的代价

紫罗蓝蓝

原标题：SRE——重点在于 办理题目和创造更大的代价

简介：产物/底子技能研发 和 SRE 这两类脚色是相互协作、相互服务的关系，拥有共同的目的：满意业务需求，更好服务业务。

媒介

在技能工作中，对于产物/底子技能研发和 SRE 两种脚色，通常会有基于「是否偏重编码」的明白。对于产物研发转做 SRE ，常常会产生是否要「离开编码工作」的见解，大概以为是否要「偏离对产物/底子技能的推进」。

基于过往的技能研发和稳固性保障的履历，分享下个人对 SRE 的明白，探究「面向产物/底子技能的研发」和「稳固性保障」两种脚色之间的协作关系，更好地为业务服务。

SRE 概述

最早讨论 SRE 泉源于 Google 这本书《Site Reliability Engineering: How Google Runs Production Systems》（豆瓣链接）。由 Google SRE 关键成员分享他们是怎样对软件举行生命周期的团体性关注，以及为什么如许做可以或许资助 Google 乐成地构建、摆设、监控和运维天下上现存最大的软件体系。

从 wikipedia: Site reliability engineering中可相识到 SRE 的界说：

Site reliability engineering (SRE) is a discipline that incorporates aspects of software engineering and applies them to infrastructure and operations problems. The main goals are to create scalable and highly reliable software systems.

此中有句形象形貌 SRE 工作的形貌：

SRE is "what happens when a software engineer is tasked with what used to be called operations."

即 SRE 的目的是构建可扩展和高可用的软件体系，通过软件工程的方法办理底子办法和操纵相干的题目。

在 Google SRE 书中，对 SRE 一样平常工作状态有个正确的形貌：至多 50% 的时间精神处置惩罚操纵相干事件，50% 以上的精神通过软件工程保障底子办法的稳固性和可扩展性。

基于上述形貌，我对 SRE 的明白是：

• 职责：保障底子办法的稳固性和可扩展性
• 焦点：办理题目
• 方法：通过操纵类事件积聚题目履历，通过编码等方式提拔题目的办理服从

软件生命周期

Google SRE 一书中，对软件工程从生命周期角度有一个很形象的形貌：

软件工程有的时间和养孩子雷同：固然生养的过程是痛楚和困难的，但是养育孩子成人的过程才是真正必要耗费绝大部门精神的地方。

一个软件体系的 40%~90% 的花销实在是花在开辟建立完成之后不停维护过程中的。

项目生命周期中，计划和构建软件体系的时间精神占比，通常是少于体系上线之后的维护管理。为了更好地维护体系可靠运行，必要思量两种范例的脚色：

• 专注于计划和构建软件体系
• 专注于整个软件体系生命周期管理，包罗从其计划到摆设，历经不停改进，末了顺遂下线

第一类脚色对应产物/底子技能研发，第二类脚色对应 SRE，二者的共同目的均是为了告竣项目目的，协同服务好业务。

稳固性保障代价

针对稳固性的影响，直接到场处置惩罚客户题目的同砚会更有体感：

• 通干涉题发生时客户直接反馈的影响水平、告急水平，感受到稳固性给客户带来的焦急
• 通干涉题处置惩罚竣事后客户的反馈，感受到客户对稳固性保障的感谢或愤怒
• 通过过后在营收状态、客户规模变革，感受到稳固性对业务营收的影响
• 通过产物规划的的延期，感受到稳固性对产物迭代的影响

稳固性保障的代价由此凸显：

• 保障客户的产物体验，满意客户对约定的可靠性诉求
• 加快业务迭代，满意业务对稳固性诉求，业务留意力会合在更快速推出满意客户需求的功能

SRE 怎样保障稳固性

稳固性题目通常会有这些特性：

• 人为导致，依靠专家履历
• 一系列因素综合导致
• 不可制止
• 100% 保障没有须要

线上稳固性题目，人为操纵不妥导致的比例很高，会合在 发布 和 线上运维 两个环节，均是高频操纵。对于复杂体系，这两个环节对专家履历有较强的依靠。

发生的稳固性题目通常具有体系性的特性，即非单个功能组件缺陷导致，而是由一系列因素综互助用导致，如缺少监控诉警导致不能实时感知，缺少日记不能有助于快速定位题目，缺少精良的题目排查流程导致依靠个人本领，缺少精良的和谐沟通极致导致题目处置惩罚时长增长、客户影响水平加剧等。

睁开全文

题目是不可制止的，流量的突增、服务器/网络/存储的破坏、未覆盖的输入等，均会诱发题目的出现。

业务对外有 SLA，向客户答应肯定水平的稳固性，未到达时按照协议举行赔付，同时题目又不可难免，在满意内部 SLO 尺度的条件下继承提拔稳固性，会带来更高的实现本钱，对业务的收益增量也会更小。

SRE 必要对题目特性有深入明白，体系性计划和实行办理方案，并捉住一段时间内的重要题目举行办理。

一种可参考的团体办理方案如下：

落地过程中，可先从如下三个抓手体系办理:

• 可控性
• 可观测
• 稳固性保障最佳实践

可控性方面，包罗如下三个重要维度：

• 发布管理
• 重点办理发布导致的人为稳固性题目
• 包罗发布前紧张变动评审和发布中变动动作管理等
• 操纵管理
• 重点办理黑屏操纵导致的人为稳固性题目
• 包罗同一集群操纵入口、集群操纵权限管理、集群操纵审计等
• 计划评审
• 重点办理软件体系计划阶段应用稳固性保障最佳实践
• 包罗集群方案评审和紧张功能计划评审等

可观测方面，包罗如下几个紧张维度：

• 监控
• 重点办理软件体系运行态的感知本领
• 包罗监控网络/可视化体系的搭建和维护等
• 日记
• 重点办理软件体系的题目可排查本领
• 包罗日记网络/存储/查询/分析体系的搭建和维护等
• 巡检
• 重点办理软件体系功能是否正常的自动探测本领
• 包罗巡检服务的搭建、通用巡检逻辑的开辟维护等
• 告警
• 重点办理非常的实时触达需求
• 包罗告警体系的搭建、告警设置管理、告警途径管理、告警分析等

稳固性保障最佳实践，是从汗青题目和业界实践方面抽象出意识、流程、规范、工具，在体系计划之初就融入此中，并在体系整个生命周期中加以利用，如通过模板固化最佳实践：

• 项目质量验收尺度
• 项目安全生产尺度
• 项目发布前 checklist
• 项目 TechReview 模板
• 项目 Kick-off 模板
• 项目管理规范
• etc.

一个例子：

维度

评估项

为了便于明白，可以再针对 check 项形身分级，便于交换和举行项目稳固性评估：

级别

尺度

当最佳实践可以通过文档举行规范化，接下来就可以提供工具或服务将其低本钱应用，使得稳固性保障最佳实践成为底子办法。

SRE 必要在稳固性相干的方法论和实践方面不停迭代，自上而下计划，自下而上反馈，公道、可靠保障稳固性。

共赢，携手服务业务

再回首下软件体系生命周期中的两类脚色：

• 产物/底子技能研发：专注于计划和构建软件体系
• SRE：专注于整个软件体系生命周期管理，包罗从其计划到摆设，历经不停改进，末了顺遂下线

这两类脚色是相互协作、相互服务的关系，拥有共同的目的：满意业务需求，更好服务业务。

SRE 通常会横向支持多个项目，对线上题目的范例、办理实践有更为全面的明白和思索，基于此会形成最佳实践的理论、工具或服务，为研发提供理论、工具的支持，也可以在此底子上产物化稳固性保障办理方案，为更多的客户服务，创造更大的代价。

产物/底子技能研发对业务需求、功能/技能细节有更深入的明白，一方面直接带来业务代价，一方面可通过实践为稳固性保障带来切合现实的需求，进一步和 SRE 共同保障稳固性。

两种范例的脚色，必要朝着共同的目的并肩协作，与业务共同发展，实现共赢。

小结

SRE 由于工作的性子，在横向方面会服务大量的业务，以实践积聚对稳固性保障题目域的深入明白和稳固性保障紧张性的深刻认知，在纵向方面会通过技能本领将稳固性保障最佳实践举行沉淀和应用；同时眼光又是与研发、业务一齐向前看，综合技能和管理创造代价。

以上是从个人角度对 SRE 及稳固性保障的明白，重点在于 办理题目 和 创造更大的代价。

作者：中心件小哥

本文为阿里云原创内容，未经答应不得转载返回搜狐，检察更多

责任编辑：