来源书籍
谷歌站点可靠性工作手册
类别清单覆盖
尚未完成类别清单核对。
章节与卡片
00 前言 II
1 张卡片
- 可靠性是做到的不是读到的 理解等级:初级 普通读书笔记卡
00 序言
1 张卡片
- 本书是把原则落地的伴侣 理解等级:初级 普通读书笔记卡
01 第1章 SRE如何与DevOps相关
5 张卡片
- DevOps的五个关键思想 理解等级:初级 普通读书笔记卡
- SRE的核心原则 理解等级:中级 普通读书笔记卡
- 共享所有权与统一工具 理解等级:中级 普通读书笔记卡
- SRE与DevOps的异同 理解等级:中级 普通读书笔记卡
- 成功采用的组织条件 理解等级:中级 普通读书笔记卡
02 第2章 实施SLO
9 张卡片
- 100%可靠性是错误目标 理解等级:初级 普通读书笔记卡
- SLI是好事件的比例 理解等级:中级 普通读书笔记卡
- 按组件类型挑选SLI 理解等级:中级 普通读书笔记卡
- 从实测数据得出起始SLO 理解等级:中级 普通读书笔记卡
- 四周滚动窗口最通用 理解等级:中级 普通读书笔记卡
- 错误预算政策要三方认可 理解等级:中级 普通读书笔记卡
- 持续校准SLO与真实不满 理解等级:中级 普通读书笔记卡
- 用错误预算排定工作 理解等级:中级 普通读书笔记卡
- 依赖可靠性不能简单相乘 理解等级:高级 普通读书笔记卡
03 第3章 SLO工程案例研究
4 张卡片
- Evernote从可用性起步 理解等级:中级 普通读书笔记卡
- 与云厂商共享同一SLO 理解等级:中级 普通读书笔记卡
- 家得宝的VALET框架 理解等级:中级 普通读书笔记卡
- 自动化让SLO一年铺开 理解等级:中级 普通读书笔记卡
04 第4章 监控
4 张卡片
- 挑选监控系统看四方面 理解等级:中级 普通读书笔记卡
- 指标告警,日志查因 理解等级:中级 普通读书笔记卡
- 监控配置即代码且松耦合 理解等级:中级 普通读书笔记卡
- 有目的的指标与告警测试 理解等级:中级 普通读书笔记卡
05 第5章 基于SLO发出警报
3 张卡片
- 告警策略的四个衡量维度 理解等级:中级 普通读书笔记卡
- 多窗口多消耗率告警 理解等级:高级 普通读书笔记卡
- 低流量与极端目标的告警 理解等级:高级 普通读书笔记卡
06 第6章 消除琐事工作
5 张卡片
- 琐事的特征与根因修复 理解等级:初级 普通读书笔记卡
- 度量琐事并识别来源 理解等级:中级 普通读书笔记卡
- 减少琐事的通用策略 理解等级:中级 普通读书笔记卡
- 数据中心维修自动化 理解等级:高级 普通读书笔记卡
- 退役文件服务器主目录 理解等级:中级 普通读书笔记卡
07 第7章 简单化
2 张卡片
- 简单性要端到端追求 理解等级:中级 普通读书笔记卡
- 简化是一项要庆祝的功能 理解等级:中级 普通读书笔记卡
08 第8章 值班
7 张卡片
- 运维与项目时间三七开 理解等级:初级 普通读书笔记卡
- 值班的基本原则 理解等级:初级 普通读书笔记卡
- 剧本与Evernote的值班 理解等级:中级 普通读书笔记卡
- 呼叫负载的三类输入 理解等级:中级 普通读书笔记卡
- 缩短识别与缓解延迟 理解等级:中级 普通读书笔记卡
- 告警纪律与系统性跟进 理解等级:中级 普通读书笔记卡
- 值班要可持续且灵活 理解等级:中级 普通读书笔记卡
09 第9章 事件响应
5 张卡片
- 事件管理的3C与角色 理解等级:初级 普通读书笔记卡
- 尽早宣布事件 理解等级:中级 普通读书笔记卡
- 通用缓解优先于查明根因 理解等级:高级 普通读书笔记卡
- 雷击与PagerDuty的实践 理解等级:中级 普通读书笔记卡
- 事件管理要提前准备与演练 理解等级:中级 普通读书笔记卡
10 第10章 事后总结文化:从失败中学习
4 张卡片
- 空列表被当成不过滤 理解等级:高级 普通读书笔记卡
- 坏的事后总结长什么样 理解等级:中级 普通读书笔记卡
- 好的事后总结的特征 理解等级:中级 普通读书笔记卡
- 让事后总结文化可持续 理解等级:中级 普通读书笔记卡
11 第11章 管理负载
4 张卡片
- 稳定任播与分层负载均衡 理解等级:高级 普通读书笔记卡
- 宝可梦GO的同步重试风暴 理解等级:高级 普通读书笔记卡
- 自动扩缩容要设边界 理解等级:中级 普通读书笔记卡
- 负载管理工具会互相干扰 理解等级:高级 普通读书笔记卡
12 第12章 介绍非抽象大型系统设计
3 张卡片
- 非抽象大型系统设计 理解等级:中级 普通读书笔记卡
- 单机方案的数量级估算 理解等级:中级 普通读书笔记卡
- 分片复制与跨数据中心共识 理解等级:高级 普通读书笔记卡
13 第13章 数据处理管道
9 张卡片
- 管道的类型与ML管道排障 理解等级:初级 普通读书笔记卡
- 管道SLO要端到端衡量 理解等级:中级 普通读书笔记卡
- 为依赖失败做计划并写文档 理解等级:中级 普通读书笔记卡
- 管道的金丝雀与部分部署 理解等级:中级 普通读书笔记卡
- 热点、容量与访问控制 理解等级:中级 普通读书笔记卡
- 幂等变更与管道成熟度 理解等级:高级 普通读书笔记卡
- 陈旧数据好过错误数据 理解等级:中级 普通读书笔记卡
- Spotify事件交付的SLO 理解等级:中级 普通读书笔记卡
- Spotify的运维与支持 理解等级:中级 普通读书笔记卡
14 第14章 配置设计和最佳实践
5 张卡片
- 配置是修改系统的人机界面 理解等级:初级 普通读书笔记卡
- 配置应以用户为中心 理解等级:中级 普通读书笔记卡
- 用可选覆盖逃离简单 理解等级:中级 普通读书笔记卡
- 配置界面与配置数据分离 理解等级:中级 普通读书笔记卡
- 安全应用配置变更 理解等级:初级 普通读书笔记卡
15 第15章 配置细节
6 张卡片
- 配置琐事:重复与复杂 理解等级:中级 普通读书笔记卡
- 配置语言的五个陷阱 理解等级:高级 普通读书笔记卡
- Jsonnet模板消除重复 理解等级:中级 普通读书笔记卡
- 自研应用的配置数据设计 理解等级:高级 普通读书笔记卡
- 配置何时求值:早中晚 理解等级:高级 普通读书笔记卡
- 不可信配置要放进沙箱 理解等级:中级 普通读书笔记卡
16 第16章 金丝雀发布
6 张卡片
- 发布工程原则与功能开关 理解等级:初级 普通读书笔记卡
- 金丝雀就是AB对照比较 理解等级:初级 普通读书笔记卡
- 金丝雀的错误预算与规模 理解等级:中级 普通读书笔记卡
- 金丝雀指标要能指示问题 理解等级:高级 普通读书笔记卡
- 前后对比与渐进金丝雀 理解等级:高级 普通读书笔记卡
- 蓝绿、合成负载与流量复制 理解等级:中级 普通读书笔记卡
17 第17章 识别过载并从中恢复
5 张卡片
- 运维过载与感知过载 理解等级:中级 普通读书笔记卡
- 两天清空数月积压 理解等级:中级 普通读书笔记卡
- 感知过载侵蚀心理安全 理解等级:高级 普通读书笔记卡
- 先静音告警再逐个修复 理解等级:中级 普通读书笔记卡
- 识别并缓解团队过载 理解等级:中级 普通读书笔记卡
18 第18章 SRE参与模型
5 张卡片
- SRE参与贯穿服务生命周期 理解等级:中级 普通读书笔记卡
- 支持你尽快安全发布 理解等级:中级 普通读书笔记卡
- 纽约时报的共享目标模型 理解等级:中级 普通读书笔记卡
- 维持与开发团队的关系 理解等级:中级 普通读书笔记卡
- 扩展SRE与结束参与 理解等级:高级 普通读书笔记卡
19 第19章 SRE:超越自己
3 张卡片
- 可靠性由用户决定 理解等级:中级 普通读书笔记卡
- 与客户共建SLO的五步 理解等级:高级 普通读书笔记卡
- 有原则地选择深度合作客户 理解等级:中级 普通读书笔记卡
20 第20章 SRE团队生命周期
5 张卡片
- 没有SRE也能起步SRE 理解等级:中级 普通读书笔记卡
- 组建首个SRE团队的风险 理解等级:高级 普通读书笔记卡
- 成熟SRE团队自主定工作量 理解等级:高级 普通读书笔记卡
- 双地姐妹团队的布局 理解等级:中级 普通读书笔记卡
- SRE应少于组织想要的数量 理解等级:中级 普通读书笔记卡
21 第21章 SRE中的组织变革管理
4 张卡片
- 变更管理模型与SRE 理解等级:中级 普通读书笔记卡
- Waze替换濒临崩溃的消息队列 理解等级:高级 普通读书笔记卡
- 增量变革胜过一步到位 理解等级:高级 普通读书笔记卡
- 通用工具的第一指标是采用 理解等级:高级 普通读书笔记卡
22 总结
1 张卡片
- SRE属于所有人 理解等级:初级 普通读书笔记卡
23 附录A SLO文档示例
1 张卡片
- SLO文档示例要素 理解等级:中级 操作参考卡
24 附录B 错误预算政策示例
1 张卡片
- 错误预算政策示例 理解等级:中级 操作参考卡
25 附录C 事后分析的结果
1 张卡片
- 68%的中断由推送触发 理解等级:中级 普通读书笔记卡
全书概览
谷歌站点可靠性工作手册
Skill 版本:v23
- 本次实际使用规则:book-notes v23 / book-workflow v4(2026-10-24 轻量模式首次完整生成);2026-09-27 旧版 v8 的来源预检与待确认项 SREWB-CONF-001 保留在
_workflow.md。
作者:Betsy Beyer、Niall Richard Murphy、David K. Rensin、Kent Kawahara、Stephen Thorne 编;原书 *The Site Reliability Workbook: Practical Ways to Implement SRE*,O’Reilly 2018,ISBN 9781492029502。本地 EPUB 为 GitHub 社区项目 redbearder/The-Site-Reliability-Workbook-CHS 的中文译本(OPF creator 字段错填为书名,不据此推断作者)。
执行模式:light
建档进度:done
整书笔记:_book_note.md(schema 1;SHA-256 2178c80a495365b4a5fd161da2cae394efe7f17a163a984d2405962e95746848)
整体评级
四象限结论:经典原理(高信息浓度 + 高稳定性)
评级理由:
信息浓度高:每章都把第一本书的原则落到具体做法上,并说明取舍。例如 SLI 的定义与按组件选择、六种告警方案的逐项比较与多窗口多消耗率告警、琐事的度量、值班负载的三类输入、事后总结好坏对照、NALSD 的数量级估算、数据管道的端到端 SLO 与“陈旧数据好过错误数据”、配置的以用户为中心与封闭求值、金丝雀的错误预算与指标选择、感知过载与心理安全、团队自我调节工作量。书中还有 Evernote、家得宝、纽约时报、Spotify、Waze 等外部案例和三份可套用的附录。
稳定性高:SLO 与错误预算、减少琐事、渐进发布、无责事后总结、组织变更这些原理不依赖具体工具,五到十年后仍然适用。局限在于部分示例绑定 2018 年前后的具体产品(Jsonnet/ksonnet、Spinnaker、GCP 服务、App Engine),卡片只保留可迁移的做法。
类别:站点可靠性工程实践类(SLO、运维与组织流程)
版本说明:社区机器辅助译本质量参差,个别句子意思颠倒。按工作流记录 SREWB-CONF-001 方案 A 处理:保留中文原文摘录及位置,按上下文和官方英文版(sre.google/workbook)理解,在卡片中注明校正,不覆盖源文件。已标注的校正包括:第1章开篇确实存在运维难题、过窄的激励损害成效、大量服务并不需要 SRE 支持、统一工具段的限定;第2章“5XX 计为失败”;第5章精确率定义;第14章本章主要讲配置哲学;第18章“Google Analytics”实为 GA(全面可用);第20章“公共要素”实为巴士因子;附录B“SLO小姐政策”即 SLO 未达标政策。每张卡末尾都附有译文提示。部分导言位于各部分首章文件开头,已作为覆盖单元记录;三个部分扉页只含链接。
章节进度追踪表
| 章节号 | 章节标题 | 状态(pending/done) | 卡片数 |
|---|---|---|---|
| 00 | 前言与序言 | done | 2 |
| 01 | 第1章 SRE如何与DevOps相关 | done | 5 |
| 02 | 第2章 实施SLO | done | 9 |
| 03 | 第3章 SLO工程案例研究 | done | 4 |
| 04 | 第4章 监控 | done | 4 |
| 05 | 第5章 基于SLO发出警报 | done | 3 |
| 06 | 第6章 消除琐事工作 | done | 5 |
| 07 | 第7章 简单化 | done | 2 |
| 08 | 第8章 值班 | done | 7 |
| 09 | 第9章 事件响应 | done | 5 |
| 10 | 第10章 事后总结文化:从失败中学习 | done | 4 |
| 11 | 第11章 管理负载 | done | 4 |
| 12 | 第12章 介绍非抽象大型系统设计 | done | 3 |
| 13 | 第13章 数据处理管道 | done | 9 |
| 14 | 第14章 配置设计和最佳实践 | done | 5 |
| 15 | 第15章 配置细节 | done | 6 |
| 16 | 第16章 金丝雀发布 | done | 6 |
| 17 | 第17章 识别过载并从中恢复 | done | 5 |
| 18 | 第18章 SRE参与模型 | done | 5 |
| 19 | 第19章 SRE:超越自己 | done | 3 |
| 20 | 第20章 SRE团队生命周期 | done | 5 |
| 21 | 第21章 SRE中的组织变革管理 | done | 4 |
| 22 | 总结 | done | 1 |
| 23 | 附录A SLO文档示例 | done | 1 |
| 24 | 附录B 错误预算政策示例 | done | 1 |
| 25 | 附录C 事后分析的结果 | done | 1 |
| 附-扉页 | 三个部分的扉页与关于编辑 | done | 0 |
非正文排除
| spine项 | 类型 | 排除理由 |
|---|---|---|
| 0 / OEBPS/Text/00.html | 首页 | 译本项目说明与原书链接,已用于本概览的来源信息 |
| 1 / OEBPS/Text/01.html | 目录 | 只有章节目录链接 |
待关联术语
| 术语名 | 出现章节 | 一句话语境 |
|---|---|---|
| HOCON、Flabbergast、Dhall | 15 | 与 Jsonnet 并列推荐的现成配置 DSL,只提名 |
| Helm、Spinnaker(作为配置求值方) | 15 | 只能在服务器上运行时评估用户配置的部署管理守护进程,用来说明防滥用 |
| Gertrude、Feature、PlanOut | 16 | 把功能上线与二进制发布分开的功能开关/实验框架,只提名 |
| Datamon | 13 | Spotify 测量事件交付 SLO 的独立外部系统,只提名 |
| Project Aristotle | 17 | 团队建设练习所依据的 Google 团队有效性研究,只提名 |
| DevSecOps | 总结 | 开发、安全、运维相互依赖的市场说法,作为待探索方向提及 |
| 峰终定律 | 19 | 用户凭体验峰值记住你的不稳定,中文本译作“峰值规则”,未展开 |
| Viceroy | 21 | Google SRE 统一监控仪表板框架,细节见第一本书 |
引用文献
| 标题 | 类型 | 出现章节 | 一句话语境 |
|---|---|---|---|
| Site Reliability Engineering(Beyer 等,2016) | 图书 | 全书 | 本书的前作,各章与其对应阅读 |
| Continuous Delivery(Jez Humble、David Farley,2011) | 图书 | 16 | 发布工程自动化的参考 |
| Leading Change(John P. Kotter,1996) | 图书 | 21 | 八步变革流程,用来回看 Waze 案例 |
| Developmental Sequence in Small Groups(Bruce Tuckman,1965) | 论文 | 20 | 组建—震荡—规范—表现的团队阶段模型 |
| Job Demands, Job Decision Latitude, and Mental Strain(Robert Karasek,1979) | 论文 | 17 | 工作控制权可以减轻压力 |
| The Human Factor(Kim Vicente,2006) | 图书 | 14 | 早期飞机界面导致事故,类比配置界面 |
| Do Defaults Save Lives?(Johnson、Goldstein) | 论文 | 14 | 器官捐献默认选项的影响,说明默认值的责任 |
| Canary Analysis Service(ACM Queue) | 文章 | 14 | 减少必答问题的配置设计实例 |
| On Death and Dying(Elisabeth Kübler-Ross,1969) | 图书 | 21 | 变化曲线的来源 |
| Empirical Model-Building and Response Surfaces(Box、Draper,1987) | 图书 | 16 | “所有模型都是错的,但有些是有用的” |
| Why SRE Documents Matter(Nukala、Rau,ACM Queue 2018) | 文章 | 20 | SRE 文档的重要性 |
实践卡进度
| 序号 | 实践标题 | 实践方式 | 状态(pending/done) | 关联章节 | 产出 |
|---|---|---|---|---|---|
| 001 | 为一个Go服务写SLO文档与错误预算政策 | 真实任务 | done | 第2章、附录A、附录B | ideas/idea-001-为一个Go服务写SLO文档与错误预算政策.md(文档草案与评审计划,未执行) |
| 002 | 统计近一年事故的触发因素 | 决策实践 | done | 附录C、第14–16章 | ideas/idea-002-统计近一年事故的触发因素.md(分类汇总与改进建议计划,未执行) |
实践候选筛选:done
未采用的候选有三个:一是把告警改成多窗口多消耗率告警,前提是先有 SLO,已并入实践 001 的后续;二是用 Jsonnet 重写部署配置,现有配置规模没到复杂琐事的程度,第15章也说明系统不复杂时不需要配置语言;三是组建跨地姐妹团队,这属于组织决策,超出个人可执行范围。
资金安全问题案例
本书没有符合判据的案例。第13章提到计费管道的正确性错误可能多收或少收客户的钱,也讨论了幂等变更;但前者只用来说明正确性 SLO 的重要性,后者是通用的数据重处理原则,都没有描述并发竞态、事务隔离或重复入账的具体场景和根因。第16章“对计费系统施加人工负载可能真的向客户收费”属于测试流量的风险,不是并发或幂等缺陷。因此不登记。
相关主题
从本书的主题进入跨书阅读,对照其他书籍的讲解。下方数量包含主题关联的全部卡片与书籍。
暂无公开主题。