主题索引
分布式存储与复制
比较 GFS、HDFS、BigTable、MongoDB、RabbitMQ 等系统的租约、写确认、副本同步、选主与脑裂处理。
来源书籍
6/6
执行模式:light 本轮执行规则:book-workflow v4 / book-notes v24(2026-11-14;原历史规则记录保留) 建档进度:done
整书笔记:48项逐项讲解、381卡主要位置及真实出处。
类别:CI/CD 与 DevOps 实践类(2026-09-24 由“可观测性/监控类”改判:后者判定标准明确排除把监控作为 SRE 等主题附带内容的书;本书主线是发布、自动化、监控告警、应急与事后复盘等可靠性运维实践,与 DevOps 实践类必答清单更吻合)
本次实际使用规则:book-notes v10(2026-10-02 按逐 spine 覆盖台账重跑,新增 262 张卡);历史使用规则:book-notes v8(2026-09-24),详见 _workflow.md。
信息浓度:高。全书以”为什么这样设计”为主线——错误预算为何能化解研发与运维的组织冲突、 SLI/SLO 的定义方法论、琐事(toil)的判定标准、监控系统只应产生告警/工单/日志三类输出的设计 依据、连锁故障的成因链条、无责事后总结的文化机制——这些都是底层设计决策的阐述,而非操作手册。
稳定性:高。核心概念(错误预算、SLO、toil、白盒监控、事故指挥体系、无责文化、连锁故障预防) 是与具体工具版本无关的系统设计原理,十年后依然成立,且已成为整个 SRE/DevOps 行业的通用语言。 仅第三部分”具体实践”中约 1⁄3 的章节(如 Borgmon、GSLB、Cron 系统、数据流水线的具体实现)绑定 了 Google 内部工具细节,稳定性和普适性较低,该历史评级不作为跳读理由;V10已将全部实质正文逐段读取,本轮复用有效覆盖。
四象限结论:经典原理(最高级别)——主体内容属于奠定 SRE 学科基础的原理性论述,少量工程实现 细节章节拉低了平均分但不改变整体定位。
本轮复用V10已核验的48实质来源项/123阅读单元和381卡;逐项讲解及定位在整书笔记。历史精读/略读划分不作为本轮跳读依据。
| 章节号 | 章节标题 | 状态(pending/done) | 卡片数 |
|---|---|---|---|
| 00 | 译者序 | done | 0 |
| 00 | 前言 | done | 0 |
| 00 | 序言 | done | 4 |
| 00 | 第Ⅰ部分 | done | 0 |
| 01 | 第1章 介绍 | done | 13 |
| 02 | 第2章 Google 生产环境:SRE视角 | done | 13 |
| 00 | 第Ⅱ部分 | done | 0 |
| 03 | 第3章 拥抱风险 | done | 11 |
| 04 | 第4章 服务质量目标 | done | 12 |
| 05 | 第5章 减少琐事 | done | 7 |
| 06 | 第6章 分布式系统的监控 | done | 11 |
| 07 | 第7章 Google 的自动化系统的演进 | done | 14 |
| 08 | 第8章 发布工程 | done | 11 |
| 09 | 第9章 简单化 | done | 7 |
| 00 | 第Ⅲ部分 | done | 1 |
| 10 | 第10章 基于时间序列数据进行有效报警 | done | 12 |
| 11 | 第11章 on-call轮值 | done | 8 |
| 12 | 第12章 有效的故障排查手段 | done | 12 |
| 13 | 第13章 紧急事件响应 | done | 9 |
| 14 | 第14章 紧急事故管理 | done | 8 |
| 15 | 第15章 事后总结:从失败中学习 | done | 7 |
| 16 | 第16章 跟踪故障 | done | 5 |
| 17 | 第17章 测试可靠性 | done | 16 |
| 18 | 第18章 SRE部门中的软件工程实践 | done | 12 |
| 19 | 第19章 前端服务器的负载均衡 | done | 5 |
| 20 | 第20章 数据中心内部的负载均衡系统 | done | 9 |
| 21 | 第21章 应对过载 | done | 11 |
| 22 | 第22章 处理连锁故障 | done | 19 |
| 23 | 第23章 管理关键状态:利用分布式共识来提高可靠性 | done | 22 |
| 24 | 第24章 分布式周期性任务系统 | done | 7 |
| 25 | 第25章 数据处理流水线 | done | 8 |
| 26 | 第26章 数据完整性:读写一致 | done | 21 |
| 27 | 第27章 可靠地进行产品的大规模发布 | done | 15 |
| 00 | 第Ⅳ部分 | done | 0 |
| 28 | 第28章 迅速培养SRE加入on-call | done | 10 |
| 29 | 第29章 处理中断性任务 | done | 9 |
| 30 | 第30章 通过嵌入SRE的方式帮助团队从运维过载中恢复 | done | 8 |
| 31 | 第31章 SRE与其他团队的沟通与协作 | done | 12 |
| 32 | 第32章 SRE参与模式的演进历程 | done | 11 |
| 00 | 第Ⅴ部分 | done | 0 |
| 33 | 第33章 其他行业的实践经验 | done | 13 |
| 34 | 第34章 结语 | done | 1 |
| 35 | 附录A 系统可用性 | done | 1 |
| 36 | 附录B 生产环境运维过程中的最佳实践 | done | 4 |
| 37 | 附录C 事故状态文档示范 | done | 1 |
| 38 | 附录D 事后总结示范 | done | 1 |
| 39 | 附录E 发布协调检查列表 | done | 0 |
| 40 | 附录F 生产环境会议记录示范 | done | 0 |
正文出现但本书不展开、暂不成卡的工具/系统/术语,供后续跨书关联。
| 位置 | 术语 |
|---|---|
| 第2章 | Apache Mesos、Kubernetes、Lustre、HDFS、Apache Thrift、gRPC、MapReduce、Spanner、Blobstore、Jupiter(Clos)、B4(OpenFlow) |
| 第4章 | Borgmon、Prometheus |
| 第6章 | Puppet、Chef、Workqueue |
| 第7章 | cfengine、Perl、Prodtest、JDBC、MySQL |
| 第8章 | Rapid、Blaze、Midas Package Manager(MPM)、Blueprint、Sisyphus |
| 第9章 | Bazel、Failure Injection、OKR(Objectives and Key Results)、Snippets、XKCD |
| 第Ⅲ部分/第10章 | Auxon、Paxos、Riemann、Heka、Bosun、Prometheus、varz、expvar(Go)、SNMP、TSDB、Alertmanager |
| 第11章 | DiRT(灾难恢复演习)、命运之轮(Wheel of Misfortune) |
| 第12章 | Dapper、RE2、App Engine、Apache Bench、memcache |
| 第13章 | TFTP、QoS、Google Machine Database |
| 第14章 | Incident Command System、IRC、Google Docs、Google Sites |
| 第15–16章 | Google+、TGIF、Peer Bonus、Escalator、Outalator、Slack、HipChat、NOC |
| 第17章 | Dagger、Lemon、Chaos Monkey、Jepsen、YAML、safe_load |
| 第18章 | Auxon、TPM、MVP、混合整数线性规划 |
| 第19章 | anycast、SRV 记录、EDNS0、OpenDNS、NAT、DSR、GRE、MTU |
| 第20章 | GFE、SIGTERM、GCU(Google计算单元) |
| 第21章 | CRITICAL_PLUS/CRITICAL/SHEDDABLE_PLUS/SHEDDABLE、执行器负载均值 |
| 第22章 | watchdog、CoDel、LIFO、致死请求(query of death)、gRPC、JIT、hard/soft stickiness |
| 第23章 | STONITH、gossip、FLP、Raft、Zab、Mencius、Egalitarian Paxos、ZooKeeper、Consul、etcd、Photon、Fast Paxos、Multi-Paxos、法定租约 |
| 第24章 | crond、crontab、anacron、Mesos、惊群效应(thundering herd) |
| 第25章 | Flume、ETL、Workflow、Spanner、MVC、system prevalence、embarrassingly parallel |
| 第26章 | Blobstore、Megastore、BLOB、0-day、RAID、Reed-Solomon、GTape、BigQuery、时间点恢复(point-in-time) |
| 第27章 | NORAD、Keyhole、LCE、生产评审(production review)、Doorman、Morgue、PCRE、Hickam’s dictum、Five Whys |
| 第28章 | 命运之轮(wheel of misfortune)、走木板(walk the plank)、Google Doodle |
| 第31章 | Viceroy、Monarch、Console++、DFP(DoubleClick for Publishers)、F1、OKR、康威定律 |
| 第32章 | PRR(生产就绪程度评审)、生产指南(production guide)、隐形发布、微服务 |
| 第33章 | SIL(安全完整性等级)、UK Defense Standard 00-56、IEC 61508、DO-178B/C、DO-254、CAPA、CHIRP、Six Sigma、E911 |
正文提及、可作延伸阅读的文献(方括号为书末参考文献键)。
| 位置 | 文献 |
|---|---|
| 第Ⅱ部分导言 | Make Push On Green a Reality([Kle14]) |
| 第4章 | Speed Matters([Bru09]) |
| 第8章 | [McN14a];How Embracing Continuous Release Reduced Change Complexity([Dic14]);Maintaining Consistency in a Massively Parallel Environment([McN13]);The 10 Commandments of Release Engineering([McN14b]);Distributing Software in a Massively Parallel Environment([McN14c]) |
| 第9章 | No Silver Bullet([Bro95]);Order In the Matter of Knight Capital Americas LLC([sec13]);Applying Cardiac Alarm Management Techniques to Your OnCall([Hol14]);[Per99]、[Coo00]、[Bai83]、[Sar97] |
| 第Ⅲ部分 | [Mas43];Weathering the Unexpected([Kri12]);[Hix15a];BeyondCorp([War14]) |
| 第11章 | [Lim14]、[Dur05]、[Loo10]、[Kah11]、[Chr09]、[All12]、[Kir12] |
| 第12章 | [Gaw09]、[Sig10]、[Sam14] |
| 第15章 | [All12]、[Roo04]、[Boy13] |
| 第17章 | [Woo96]、[Whi12]、[Nar12]、[Per07]、[Cra10]、[Ana07] |
| 第18章 | [Hix15a]、[Eis16] |
| 第19章 | [Con15]、RFC 1035([Moc87])、[Kar97]、[Han94]、[Eis16] |
| 第22章 | [Nic12]、[Mau15]、Exponential Backoff and Jitter([Bro15])、[Flo94] |
| 第23章 | [Fox99]、[Bre12]、[Gil02]、[Lu15]、[Kin15]、[Shu13]、[Fis85]、[Lam98]、[Ong14]、[Jun11]、[Mao08]、[Zoo14]、[Hun10]、[Bur06]、[Agu10]、[Kir08]、[Sch90]、[Cor12]、[Cha96]、[Bol11]、[Ana13]、[Mor14]、[Lam06]、[Jun07]、[San11]、[Cas99]、[Ken12]、[Gup15] |
| 第25章 | [Con63]、[Bul80]、[McI86]、[Cha10]、[Mol86]、[Sha00] |
| 第26章 | [Hic11]、[Bak11]、[Kinc09]、[Cha07]、[Sol11] |
| 第27章与第Ⅲ部分脚注 | [Gaw09]、[Hix15a]、[Tat99]、[Ohn88]、[All15]、[Mea08]、[Coo04]、[Dek14]、[Bla14]、[Dea07]、[Fow08]、[Gol14]、[Bai13]、[Con96]、[Jon15] |
| 第Ⅳ部分导言 | SRE:系统工程学([Hix15b]);SRE招聘([Jon15]);Work Rules!([Boc15]) |
| 第31章 | [Hix15b]、[Kra08]、[Nel14]、[kla12]、[Shu13] |
| 第32章脚注 | [Mer11];Life in the Trenches of healthcare.gov |
| 第33章 | [Kri12]、[IAEA12]、[Bra15]、[Sch14] |
| 序号 | 实践标题 | 实践方式 | 状态(pending/done) | 关联章节 | 产出 |
|---|---|---|---|---|---|
| 1 | 对照go-zero读客户端自适应节流 | 实现深读 | done | 21 | ideas/idea-001-对照go-zero读客户端自适应节流.md |
| 2 | 追踪gRPC截止时间传递链路 | 实现深读 | done | 22 | ideas/idea-002-追踪gRPC截止时间传递链路.md |
| 3 | 两周极化时间行为实验 | 行为实验 | done | 29 | ideas/idea-003-两周极化时间行为实验.md |
已完成的是计划交付。本轮已对go-zero/grpc-go的固定提交开始源码阅读并保存首轮映射与两层计划;完整深读、测试与两周实验尚未执行。V10 重筛(2026-10-02):新增卡中的 SLI 模板、Workflow 正确性保障、分级备份等仍依赖真实服务与团队环境,未产生优于现有 3 项的个人可执行实践,维持原计划。未采用的候选:错误预算/SLO 落地(缺少可用的真实服务与数据,易变成空泛提纲);无责事后总结(需团队配合,个人范围难以形成有效产出)。
| 维度 | 覆盖状态 | 关联卡片标题或未覆盖理由 |
|---|---|---|
| 持续集成流水线设计 | 已覆盖(V10 补强) | [[提交即运行受影响的测试]]、[[构建失败须立即修复]]、[[发布分支上要重跑全部测试]]、[[测试要在走神前给出结果]];通用的流水线阶段编排书中未展开 |
| 制品构建、版本与可追溯性 | 已覆盖 | [[密闭构建保证可重现性]]、[[发布操作按角色分权]] |
| 部署、发布与环境管理 | 已覆盖 | [[高频发布反而降低单次发布风险]]、[[渐进式发布跨地理位置能更快暴露问题]]、[[未经测试的回滚等于没有回滚]] |
| 测试与质量门禁 | 已覆盖 | [[测试能拦截监控才能发现的问题]]、[[金丝雀测试的错误等级分类]]、[[危险工具的三层防护边界设计]] |
| 基础设施自动化与幂等性 | 已覆盖 | [[自动化五阶段演进模型]]、[[空列表被当作”全部”的自动化事故]]、[[故障切换下避免任务重复]] |
| 安全、凭证与权限治理 | 部分覆盖 | [[发布操作按角色分权]]、[[用审计RPC取代rootSSH]]、[[二进制应能自报构建来源]];密钥轮换与供应链风险未在书中展开 |
| 可观测性、故障恢复与持续改进 | 已覆盖 | [[四个黄金指标]]、[[假设-排除法的故障排查流程]]、[[对事不对人为何能改善系统而非人]] |
| 团队协作与交付流程演进 | 已覆盖 | [[SRE的人员构成与50%规则]]、[[先定接口契约,再并行开发两端]]、[[让较小团队主持跨团队会议平衡话语权]] |
历史 v8:复用 11 个已有主题、新建 6 个主题。V10(2026-10-02)新增 262 张卡逐张判定:260 张加入 31 个已有主题(新增成员同步写入 notes/_topics/),2 张无需加入(理由见表);原 2 张待复核卡已于 2026-09-24 清理后加入。本表覆盖当前全部 381 张卡(S4 新增 2 张、改名 1 张已同步)。
| 卡片标题 | 结论 | 主题文件或原因 |
|---|---|---|
| Dev/Ops矛盾的组织根源 | 已复用 | notes/_topics/security-culture-org.md |
| SRE的人员构成与50%规则 | 已复用 | notes/_topics/security-culture-org.md |
| 错误预算的本质 | 已创建 | notes/_topics/slo-error-budget.md |
| 监控只应产生三类输出 | 已复用 | notes/_topics/logging-observability.md |
| 运维手册把MTTR降到三分之一 | 已复用 | notes/_topics/incident-response.md |
| N+2冗余容量规划逻辑 | 已创建 | notes/_topics/capacity-scheduling.md |
| 故障域隔离的调度原则 | 已复用 | notes/_topics/defense-in-depth-blast-radius.md |
| 物理与逻辑服务器解耦的调度自由度 | 已创建 | notes/_topics/capacity-scheduling.md |
| 可靠性投入的成本非线性递增 | 已创建 | notes/_topics/slo-error-budget.md |
| 故障类型比故障数量更重要 | 已创建 | notes/_topics/slo-error-budget.md |
| 用背景误差率校准可靠性目标 | 已创建 | notes/_topics/slo-error-budget.md |
| 分层服务水平把成本选择权交给用户 | 已创建 | notes/_topics/slo-error-budget.md |
| SLI/SLO/SLA三层区分 | 已创建 | notes/_topics/slo-error-budget.md |
| 用百分位而非平均值衡量延迟 | 已创建 | notes/_topics/slo-error-budget.md |
| 过度可靠会制造危险的安全假象 | 已创建 | notes/_topics/slo-error-budget.md |
| 从目标反推指标而非从指标凑目标 | 已创建 | notes/_topics/slo-error-budget.md |
| 内外SLO之间留缓冲区 | 已创建 | notes/_topics/slo-error-budget.md |
| 琐事的六个判定特征 | 已创建 | notes/_topics/toil-automation.md |
| 轮值排班决定琐事占比下限 | 已创建 | notes/_topics/toil-automation.md |
| 少量琐事无害,过量才是问题 | 已创建 | notes/_topics/toil-automation.md |
| 轻易接手琐事会开创坏先例 | 已创建 | notes/_topics/toil-automation.md |
| 现象与原因的区分是监控信噪比核心 | 已复用 | notes/_topics/logging-observability.md |
| 四个黄金指标 | 已复用 | notes/_topics/logging-observability.md |
| 黑盒白盒监控的互补边界 | 已复用 | notes/_topics/logging-observability.md |
| 好警报的四个必要条件 | 已复用 | notes/_topics/logging-observability.md |
| 短期忍受降级换长期修复 | 已复用 | notes/_topics/logging-observability.md |
| 自动化五阶段演进模型 | 已创建 | notes/_topics/toil-automation.md |
| 谁维护自动化决定自动化质量 | 已创建 | notes/_topics/toil-automation.md |
| 空列表被当作”全部”的自动化事故 | 已创建 | notes/_topics/toil-automation.md |
| 自动化会削弱人类的临场反应能力 | 已创建 | notes/_topics/toil-automation.md |
| 自动化的隐藏价值是操作与执行者解耦 | 已创建 | notes/_topics/toil-automation.md |
| 密闭构建保证可重现性 | 已复用 | notes/_topics/build-provenance-supply-chain.md |
| 高频发布反而降低单次发布风险 | 已复用 | notes/_topics/change-release-safety.md |
| 发布工程应在项目早期介入 | 已复用 | notes/_topics/change-release-safety.md |
| 发布操作按角色分权 | 已复用 | notes/_topics/build-provenance-supply-chain.md |
| 发布分支只接收摘樱桃 | 已复用 | notes/_topics/change-release-safety.md |
| 必要复杂度与意外复杂度 | 已创建 | notes/_topics/simplicity-complexity.md |
| 死代码比活代码更危险 | 已创建 | notes/_topics/simplicity-complexity.md |
| 最小API是深刻理解问题的标志 | 已创建 | notes/_topics/simplicity-complexity.md |
| 小批量发布类比梯度下降 | 已复用 | notes/_topics/change-release-safety.md |
| 计数器优于测量器的采集设计 | 已复用 | notes/_topics/logging-observability.md |
| 黑盒探针弥补白盒监控的盲区 | 已复用 | notes/_topics/logging-observability.md |
| 命运共享决定监控分组粒度 | 已复用 | notes/_topics/logging-observability.md |
| SLO反推on-call响应时限 | 已复用 | notes/_topics/incident-response.md |
| 压力下的”过度联想”与两种思维模式 | 已复用 | notes/_topics/incident-response.md |
| 运维压力过低同样是风险 | 已复用 | notes/_topics/incident-response.md |
| 事故与报警比例应接近1:1 | 已复用 | notes/_topics/incident-response.md |
| 假设-排除法的故障排查流程 | 已复用 | notes/_topics/debugging-root-cause.md |
| 先止血再溯源 | 已复用 | notes/_topics/debugging-root-cause.md |
| 相关不等于因果的排障陷阱 | 已复用 | notes/_topics/debugging-root-cause.md |
| 负面结果同样值得公布 | 已复用 | notes/_topics/debugging-root-cause.md |
| “什么/哪里/为什么”三问定位资源消耗 | 已复用 | notes/_topics/debugging-root-cause.md |
| 别慌且主动扩大求助范围 | 已复用 | notes/_topics/incident-response.md |
| 未经测试的回滚等于没有回滚 | 已复用 | notes/_topics/change-release-safety.md |
| 低风险变更评估可能漏掉稀有参数组合 | 已复用 | notes/_topics/change-release-safety.md |
| 主动想象极端场景来测试韧性 | 已复用 | notes/_topics/incident-response.md |
| 明确职责分离带来自主行动的自由 | 已复用 | notes/_topics/incident-response.md |
| 未协调的善意帮忙比不作为更危险 | 已复用 | notes/_topics/incident-response.md |
| 宣布进入应急状态的三条触发标准 | 已复用 | notes/_topics/incident-response.md |
| 应急能力靠日常小规模使用维持 | 已复用 | notes/_topics/incident-response.md |
| 对事不对人为何能改善系统而非人 | 已复用 | notes/_topics/security-culture-org.md |
| 事后总结的量化触发标准 | 已复用 | notes/_topics/incident-response.md |
| 未经评审的事后总结等于没写 | 已复用 | notes/_topics/incident-response.md |
| 公开表彰诚实报告事故的人强化文化 | 已复用 | notes/_topics/security-culture-org.md |
| 报警聚合为故障 | 已复用 | notes/_topics/incident-response.md |
| 用故障历史找系统问题 | 已复用 | notes/_topics/incident-response.md |
| 测试能拦截监控才能发现的问题 | 已复用 | notes/_topics/testing-effectiveness.md |
| 金丝雀测试的错误等级分类 | 已复用 | notes/_topics/change-release-safety.md |
| 高频小发布比年度大发布更可靠 | 已复用 | notes/_topics/change-release-safety.md |
| 危险工具的三层防护边界设计 | 已复用 | notes/_topics/change-release-safety.md |
| 基于意图而非具体数字做资源规划 | 已创建 | notes/_topics/capacity-scheduling.md |
| 用简化近似方案代替等待完美设计 | 已创建 | notes/_topics/simplicity-complexity.md |
| 可信度积累慢,流失快 | 已复用 | notes/_topics/security-culture-org.md |
| QPS陷阱:用资源而非请求数衡量容量 | 已复用 | notes/_topics/overload-protection-degradation.md |
| 自适应节流让客户端自主降速 | 已复用 | notes/_topics/overload-protection-degradation.md |
| 请求重要性分级决定过载时舍弃谁 | 已复用 | notes/_topics/overload-protection-degradation.md |
| 只在拒绝的那一层重试,避免重试风暴 | 已复用 | notes/_topics/overload-protection-degradation.md |
| GC死亡螺旋:资源相互依赖的级联恶化 | 已复用 | notes/_topics/overload-protection-degradation.md |
| 崩溃后降负载到远低于崩溃点才能恢复 | 已复用 | notes/_topics/overload-protection-degradation.md |
| 多层重试的指数放大效应 | 已复用 | notes/_topics/overload-protection-degradation.md |
| 截止时间传递避免处理已被放弃的请求 | 已复用 | notes/_topics/overload-protection-degradation.md |
| 保持调用栈永远向下,避免分布式死锁 | 已复用 | notes/_topics/overload-protection-degradation.md |
| 心跳超时无法正确实现领头人选举 | 已创建 | notes/_topics/distributed-consensus.md |
| 最终一致把复杂度转嫁给了应用开发者 | 已创建 | notes/_topics/distributed-consensus.md |
| 增加副本数反而可能降低可用性 | 已创建 | notes/_topics/distributed-consensus.md |
| 领头人进程聚集埋下网络流量剧变风险 | 已创建 | notes/_topics/distributed-consensus.md |
| 故障切换下避免任务重复 | 已创建 | notes/_topics/distributed-consensus.md |
| 数据完整性的本质是可用性 | 已复用 | notes/_topics/backup-disaster-recovery.md |
| 备份与存档的区别在于能否被重新加载 | 已复用 | notes/_topics/backup-disaster-recovery.md |
| 分级软删除构筑三层防线 | 已复用 | notes/_topics/backup-disaster-recovery.md |
| 复制不是备份,同源故障会污染所有副本 | 已复用 | notes/_topics/backup-disaster-recovery.md |
| 海量数据校验靠”可信点”加分片,而非暴力遍历 | 已复用 | notes/_topics/backup-disaster-recovery.md |
| 检查列表膨胀需要门槛管控 | 已复用 | notes/_topics/change-release-safety.md |
| 标准化基础设施把检查项折叠成一句话 | 已复用 | notes/_topics/change-release-safety.md |
| 高频发布才有机会打磨出好流程 | 已复用 | notes/_topics/change-release-safety.md |
| on-call前的准备度路径 | 已复用 | notes/_topics/incident-response.md |
| 上下文切换的隐藏成本需要”极化时间” | 已创建 | notes/_topics/interrupt-focus-management.md |
| 随机分配工单是对团队时间的不尊重 | 已创建 | notes/_topics/interrupt-focus-management.md |
| 两种心流状态不应混在一起 | 已创建 | notes/_topics/interrupt-focus-management.md |
| 尊重自己也尊重用户:把负担还给能承担的一方 | 已创建 | notes/_topics/interrupt-focus-management.md |
| “坏苹果理论”在复杂系统中站不住脚 | 已复用 | notes/_topics/security-culture-org.md |
| 用引导性问题代替指责性问题 | 已复用 | notes/_topics/security-culture-org.md |
| 解释决策背后的逻辑,而非只给结论 | 已复用 | notes/_topics/security-culture-org.md |
| 只派一个人介入,而非两个,以避免防御心理 | 已复用 | notes/_topics/security-culture-org.md |
| 生产会议靠固定节奏和共建文档维持效率 | 已复用 | notes/_topics/security-culture-org.md |
| 让较小团队主持跨团队会议平衡话语权 | 已复用 | notes/_topics/security-culture-org.md |
| 重复造轮子源于局部激励,而非能力不足 | 已复用 | notes/_topics/security-culture-org.md |
| 先定接口契约,再并行开发两端 | 待复核 | 现有主题无“跨团队接口契约先行”定位;但「类别清单核对」表把该卡列为团队协作维度已覆盖,两表结论不一致,待人工确认归属 |
| “差点出事”的事故同样值得深究 | 已复用 | notes/_topics/incident-response.md |
| 不可逆后果需要减速阀 | 已创建 | notes/_topics/toil-automation.md |
| 自动化速度会放大配置错误 | 已创建 | notes/_topics/toil-automation.md |
| 风险控制权应独立于逐利部门 | 已复用 | notes/_topics/security-culture-org.md(2026-09-24 旧记录清理后加入) |
| 警惕HiPPO现象,让数据说话而非职级 | 已复用 | notes/_topics/security-culture-org.md(2026-09-24 旧记录清理后加入) |
| 部分可用系统应该用比例而非时长衡量可用性 | 已创建 | notes/_topics/slo-error-budget.md |
| 收到坏配置时应保持旧状态而非采用新数据 | 已复用 | notes/_topics/fail-safe-defaults.md |
| 渐进式发布跨地理位置能更快暴露问题 | 已复用 | notes/_topics/change-release-safety.md |
| 成熟系统的错误预算周期应该拉长 | 已创建 | notes/_topics/slo-error-budget.md |
| 软件成本主要花在上线之后 | 已复用 | notes/_topics/devops-adoption.md |
| SRE名称的三层含义 | 已复用 | notes/_topics/devops-adoption.md |
| 可靠性的概率定义 | 已复用 | notes/_topics/slo-error-budget.md |
| 小概率人为失误也要防住 | 已复用 | notes/_topics/defense-in-depth-blast-radius.md |
| 服务可靠度层级模型 | 已复用 | notes/_topics/slo-error-budget.md |
| 传统运维人力随负载线性增长 | 已复用 | notes/_topics/toil-automation.md |
| DevOps与SRE的关系 | 已复用 | notes/_topics/devops-adoption.md |
| 每班最多处理两个紧急事件 | 已复用 | notes/_topics/incident-response.md |
| 可靠性目标是产品决策 | 已复用 | notes/_topics/slo-error-budget.md |
| 变更管理的三项自动化 | 已复用 | notes/_topics/change-release-safety.md |
| 容量规划的三个必需步骤 | 已复用 | notes/_topics/capacity-scheduling.md |
| 资源部署是高危变更 | 已复用 | notes/_topics/change-release-safety.md |
| 延迟升高等于容量损失 | 已复用 | notes/_topics/capacity-scheduling.md |
| 硬件故障是常态需软件隔离 | 已复用 | notes/_topics/faults-partial-failure-clocks.md |
| 慢速重启胜过持续泄漏 | 已复用 | notes/_topics/faults-partial-failure-clocks.md |
| 集中控制器替代智能路由器 | 已复用 | notes/_topics/virtual-networking.md(SDN 集中控制面,同书 473 的 SDN 卡亦在此主题) |
| 全局负载均衡的三个层面 | 已复用 | notes/_topics/load-balancing.md |
| 分布式锁服务承担主选举 | 已复用 | notes/_topics/distributed-consensus.md |
| 监控数据的三种用途 | 已复用 | notes/_topics/logging-observability.md |
| Protobuf比XML更紧凑 | 已复用 | notes/_topics/data-interchange-formats.md |
| 提交即运行受影响的测试 | 已复用 | notes/_topics/ci-cd-pipeline-design.md |
| 集群存储的分层结构 | 已复用 | notes/_topics/distributed-storage-replication.md |
| 低频更新可接受最终一致 | 已复用 | notes/_topics/consistency-models.md |
| 请求成功率也适用于批处理 | 已复用 | notes/_topics/slo-error-budget.md |
| 可用性目标随市场定位而定 | 已复用 | notes/_topics/slo-error-budget.md |
| 多一个9值多少钱 | 已复用 | notes/_topics/slo-error-budget.md |
| 宽松延迟目标换取成本 | 已复用 | notes/_topics/slo-error-budget.md |
| 入口层故障无法被掩盖 | 已复用 | notes/_topics/slo-error-budget.md |
| 错误预算的运作流程 | 已复用 | notes/_topics/slo-error-budget.md |
| 错误预算能暴露过高SLO | 已复用 | notes/_topics/slo-error-budget.md |
| 按系统类型选择SLI | 已复用 | notes/_topics/slo-error-budget.md |
| 客户端指标补服务器盲区 | 已复用 | notes/_topics/slo-error-budget.md |
| 汇总粒度会掩盖瞬时峰值 | 已复用 | notes/_topics/slo-error-budget.md |
| 用SLI模板统一度量口径 | 已复用 | notes/_topics/slo-error-budget.md |
| SLO要写清条件与分层 | 已复用 | notes/_topics/slo-error-budget.md |
| 制定SLO的五条原则 | 已复用 | notes/_topics/slo-error-budget.md |
| SLO驱动的运维控制回路 | 已复用 | notes/_topics/slo-error-budget.md |
| SRE工作的四种类型 | 已复用 | notes/_topics/toil-automation.md |
| 琐事平均值掩盖个体差异 | 已复用 | notes/_topics/toil-automation.md |
| 依赖判断的告警仍是琐事 | 已复用 | notes/_topics/toil-automation.md |
| 一次故障可有多个根源问题 | 已复用 | notes/_topics/debugging-root-cause.md |
| 监控规则宁简单勿魔法 | 已复用 | notes/_topics/logging-observability.md |
| 错误分为显式隐式与策略性 | 已复用 | notes/_topics/logging-observability.md |
| 用指数分桶直方图看长尾 | 已复用 | notes/_topics/logging-observability.md |
| 按需选择度量精度 | 已复用 | notes/_topics/logging-observability.md |
| 监控配置要定期删减 | 已复用 | notes/_topics/logging-observability.md |
| 一致性是自动化的首要价值 | 已复用 | notes/_topics/toil-automation.md |
| 部署抽象会泄漏中间状态 | 已复用 | notes/_topics/toil-automation.md |
| 罕见执行的自动化最脆弱 | 已复用 | notes/_topics/toil-automation.md |
| 用自动切换拥抱故障 | 已复用 | notes/_topics/high-availability-architecture.md |
| 测试配合幂等修复纠正配置 | 已复用 | notes/_topics/toil-automation.md |
| 衡量自动化的三个维度 | 已复用 | notes/_topics/toil-automation.md |
| 用审计RPC取代rootSSH | 已复用 | notes/_topics/least-privilege-access-control.md |
| 上线自动化按服务契约分派 | 已复用 | notes/_topics/toil-automation.md |
| 规模够大就必须自愈 | 已复用 | notes/_topics/toil-automation.md |
| 发布流程由团队自助完成 | 已复用 | notes/_topics/build-provenance-supply-chain.md |
| 二进制应能自报构建来源 | 已复用 | notes/_topics/build-provenance-supply-chain.md |
| 发布分支上要重跑全部测试 | 已复用 | notes/_topics/ci-cd-pipeline-design.md |
| 用唯一标签标记发布阶段 | 已复用 | notes/_topics/build-provenance-supply-chain.md |
| 部署节奏匹配风险承受力 | 已复用 | notes/_topics/change-release-safety.md |
| 配置分发的四种模型 | 已复用 | notes/_topics/centralized-config-management.md |
| 乏味是生产软件的美德 | 已复用 | notes/_topics/simplicity-complexity.md |
| 探索性代码要设保质期 | 已复用 | notes/_topics/simplicity-complexity.md |
| 版本化API解耦更新节奏 | 已复用 | notes/_topics/service-adaptation-compatibility.md |
| 大规模下不为单机报警 | 已复用 | notes/_topics/logging-observability.md |
| 用时间序列规则取代探测脚本 | 已复用 | notes/_topics/logging-observability.md |
| 低门槛埋点需配规则校验 | 已复用 | notes/_topics/logging-observability.md |
| 抓取时生成合成指标 | 已复用 | notes/_topics/logging-observability.md |
| 时间序列靠标签集合命名 | 已复用 | notes/_topics/logging-observability.md |
| 逐级汇总算出错误比率 | 已复用 | notes/_topics/logging-observability.md |
| 报警要设持续时间并合并 | 已复用 | notes/_topics/logging-observability.md |
| 监控系统分层部署汇总 | 已复用 | notes/_topics/logging-observability.md |
| 监控规则也要模板化测试 | 已复用 | notes/_topics/logging-observability.md |
| 值班时间上限推出团队规模 | 已复用 | notes/_topics/incident-response.md |
| 每日报警中值应接近零 | 已复用 | notes/_topics/incident-response.md |
| 值班补贴设上限控制比例 | 已复用 | notes/_topics/incident-response.md |
| 运维过载时把报警交回研发 | 已复用 | notes/_topics/toil-automation.md |
| 排障的三类常见陷阱 | 已复用 | notes/_topics/debugging-root-cause.md |
| 每份故障报告都应成为Bug | 已复用 | notes/_topics/debugging-root-cause.md |
| 日志要能动态调级与过滤 | 已复用 | notes/_topics/logging-observability.md |
| 对分法逐层缩小故障范围 | 已复用 | notes/_topics/debugging-root-cause.md |
| 先查最后一次修改 | 已复用 | notes/_topics/debugging-root-cause.md |
| 设计排障测试的五个考量 | 已复用 | notes/_topics/debugging-root-cause.md |
| 全链路请求ID加速排障 | 已复用 | notes/_topics/logging-observability.md |
| 带外通道须可靠且常演练 | 已复用 | notes/_topics/incident-response.md |
| 限速分发配置延缓崩溃 | 已复用 | notes/_topics/change-release-safety.md |
| 排障工具不能依赖故障系统 | 已复用 | notes/_topics/incident-response.md |
| 主动故障测试揭示隐藏依赖 | 已复用 | notes/_topics/chaos-engineering.md |
| 大规模重建暴露恢复瓶颈 | 已复用 | notes/_topics/backup-disaster-recovery.md |
| 主修人无暇顾及协调沟通 | 已复用 | notes/_topics/incident-response.md |
| 维护实时事故状态文档 | 已复用 | notes/_topics/incident-response.md |
| 总控交接须明确确认 | 已复用 | notes/_topics/incident-response.md |
| 事故管理的七条实践 | 已复用 | notes/_topics/incident-response.md |
| 事后总结要协作并广泛传播 | 已复用 | notes/_topics/incident-response.md |
| 培育事后总结文化的做法 | 已复用 | notes/_topics/security-culture-org.md |
| 汇总分析事后总结找共性 | 已复用 | notes/_topics/incident-response.md |
| 无人响应的报警自动升级 | 已复用 | notes/_topics/incident-response.md |
| 用自由标签给故障分类 | 已复用 | notes/_topics/incident-response.md |
| 故障记录兼作交接与审计 | 已复用 | notes/_topics/incident-response.md |
| 测试降低变更的不确定性 | 已复用 | notes/_topics/testing-effectiveness.md |
| 传统测试的三个层级 | 已复用 | notes/_topics/testing-effectiveness.md |
| 配置测试核对生产与仓库 | 已复用 | notes/_topics/testing-effectiveness.md |
| 压力测试找出崩溃边界 | 已复用 | notes/_topics/testing-effectiveness.md |
| 从最关键处补测试 | 已复用 | notes/_topics/testing-effectiveness.md |
| 构建失败须立即修复 | 已复用 | notes/_topics/ci-cd-pipeline-design.md |
| 随机测试要记录种子重跑 | 已复用 | notes/_topics/testing-effectiveness.md |
| 测试要在走神前给出结果 | 已复用 | notes/_topics/testing-effectiveness.md |
| 配置文件只能二选一 | 已复用 | notes/_topics/testing-effectiveness.md |
| 配置格式要限定加载时间 | 已复用 | notes/_topics/testing-effectiveness.md |
| 工具发现异常只报不修 | 已复用 | notes/_topics/testing-effectiveness.md |
| 已知请求兼作生产探针 | 已复用 | notes/_topics/logging-observability.md |
| 运维者最适合写运维工具 | 已复用 | notes/_topics/toil-automation.md |
| 意图表达的四个抽象层次 | 已复用 | notes/_topics/capacity-scheduling.md |
| 表达意图需三类信息 | 已复用 | notes/_topics/capacity-scheduling.md |
| 容量规划化为线性规划 | 已复用 | notes/_topics/capacity-scheduling.md |
| 内部工具先找没方案的团队 | 已复用 | notes/_topics/toil-automation.md |
| 工具应对数据来源保持不可知 | 已复用 | notes/_topics/toil-automation.md |
| 通才起步适时引入专家 | 已复用 | notes/_topics/org-architecture-alignment.md |
| 判断工具值不值得做大 | 已复用 | notes/_topics/toil-automation.md |
| 写工具的SRE仍要值班 | 已复用 | notes/_topics/toil-automation.md |
| 最优分配取决于请求类型 | 已复用 | notes/_topics/load-balancing.md |
| DNS负载均衡的固有局限 | 已复用 | notes/_topics/load-balancing.md |
| 虚拟IP隐藏后端细节 | 已复用 | notes/_topics/load-balancing.md |
| 一致性哈希避免连接重置 | 已复用 | notes/_topics/load-balancing.md |
| 转发数据包的三种方式 | 已复用 | notes/_topics/load-balancing.md |
| 负载不均就是容量浪费 | 已复用 | notes/_topics/load-balancing.md |
| 并发上限难辨慢与坏 | 已复用 | notes/_topics/load-balancing.md |
| 跛脚鸭状态实现无损下线 | 已复用 | notes/_topics/load-balancing.md |
| 用子集限制连接数量 | 已复用 | notes/_topics/load-balancing.md |
| 确定性算法均分子集 | 已复用 | notes/_topics/load-balancing.md |
| 轮询失衡的四个原因 | 已复用 | notes/_topics/load-balancing.md |
| 分页限制单请求成本 | 已复用 | notes/_topics/overload-protection-degradation.md |
| 最闲轮询要防地漏效应 | 已复用 | notes/_topics/load-balancing.md |
| 加权轮询依据后端反馈 | 已复用 | notes/_topics/load-balancing.md |
| 过载时先给降级回复 | 已复用 | notes/_topics/overload-protection-degradation.md |
| 按用户配额隔离全局过载 | 已复用 | notes/_topics/overload-protection-degradation.md |
| 用执行器负载判断过载 | 已复用 | notes/_topics/overload-protection-degradation.md |
| 少数过载才值得重试 | 已复用 | notes/_topics/overload-protection-degradation.md |
| 重试的三道限制 | 已复用 | notes/_topics/overload-protection-degradation.md |
| 连接本身也会造成过载 | 已复用 | notes/_topics/overload-protection-degradation.md |
| 过载时既不崩溃也不全拒 | 已复用 | notes/_topics/overload-protection-degradation.md |
| 连锁故障源于正反馈 | 已复用 | notes/_topics/overload-protection-degradation.md |
| 资源耗尽的连锁副作用 | 已复用 | notes/_topics/overload-protection-degradation.md |
| 防过载的五种手段 | 已复用 | notes/_topics/overload-protection-degradation.md |
| 队列宜短于线程池 | 已复用 | notes/_topics/overload-protection-degradation.md |
| 流量抛弃先丢不值得做的 | 已复用 | notes/_topics/overload-protection-degradation.md |
| 降级模式也要定期演练 | 已复用 | notes/_topics/overload-protection-degradation.md |
| 重试把小过载放大成崩溃 | 已复用 | notes/_topics/overload-protection-degradation.md |
| 截止时间别远超平均延迟 | 已复用 | notes/_topics/overload-protection-degradation.md |
| 分清延迟缓存与容量缓存 | 已复用 | notes/_topics/overload-protection-degradation.md |
| 连锁故障的常见触发点 | 已复用 | notes/_topics/overload-protection-degradation.md |
| 压测到崩溃还要测恢复 | 已复用 | notes/_topics/overload-protection-degradation.md |
| 测试大客户与非关键依赖 | 已复用 | notes/_topics/overload-protection-degradation.md |
| 连锁故障的应急手段 | 已复用 | notes/_topics/overload-protection-degradation.md |
| 优化常态可能放大灾难 | 已复用 | notes/_topics/overload-protection-degradation.md |
| 关键状态交给共识系统 | 已复用 | notes/_topics/distributed-consensus.md |
| 共识缺位就只能人工切换 | 已复用 | notes/_topics/distributed-consensus.md |
| 多数协调问题本质是共识 | 已复用 | notes/_topics/distributed-consensus.md |
| 异步共识无法保证有限时间 | 已复用 | notes/_topics/distributed-consensus.md |
| Paxos两阶段与多数交集 | 已复用 | notes/_topics/distributed-consensus.md |
| 共识应作为服务而非库 | 已复用 | notes/_topics/distributed-consensus.md |
| 复制状态机 | 已复用 | notes/_topics/distributed-consensus.md |
| 共识之上的三种协调原语 | 已复用 | notes/_topics/distributed-consensus.md |
| 多数副本失联时的强制重配置 | 已复用 | notes/_topics/distributed-consensus.md |
| SRE也可以从服务撤出 | 已复用 | notes/_topics/devops-adoption.md |
| 可靠队列与原子广播 | 已复用 | notes/_topics/distributed-consensus.md |
| 稳定领头人避免提议者决斗 | 已复用 | notes/_topics/distributed-consensus.md |
| 强一致读的三种做法 | 已复用 | notes/_topics/distributed-consensus.md |
| 共识写性能受网络与磁盘限制 | 已复用 | notes/_topics/distributed-consensus.md |
| 快速Paxos未必更快 | 已复用 | notes/_topics/distributed-consensus.md |
| 副本数按故障与维护选 | 已复用 | notes/_topics/distributed-consensus.md |
| 副本位置权衡故障域与延迟 | 已复用 | notes/_topics/distributed-consensus.md |
| 层级仲裁减轻关键副本依赖 | 已复用 | notes/_topics/distributed-consensus.md |
| 共识系统的监控要点 | 已复用 | notes/_topics/distributed-consensus.md |
| 周期任务宁可漏跑不可重跑 | 已复用 | notes/_topics/distributed-consensus.md |
| 分布式Cron的新约束 | 已复用 | notes/_topics/distributed-consensus.md |
| 基础服务的依赖越少越好 | 已复用 | notes/_topics/high-availability-architecture.md |
| 启动前后各同步一次 | 已复用 | notes/_topics/distributed-consensus.md |
| 日志靠快照截断并分层保存 | 已复用 | notes/_topics/distributed-consensus.md |
| 用问号打散整点任务 | 已复用 | notes/_topics/capacity-scheduling.md |
| 单相与多相流水线 | 已复用 | notes/_topics/data-batch-dag.md |
| 周期流水线随数据增长变脆 | 已复用 | notes/_topics/data-batch-dag.md |
| 执行间隔不能低于调度延迟 | 已复用 | notes/_topics/data-batch-dag.md |
| 周期任务失败时没有指标 | 已复用 | notes/_topics/data-batch-dag.md |
| 惊群与摩尔负载模式 | 已复用 | notes/_topics/capacity-scheduling.md |
| Workflow的MVC分工 | 已复用 | notes/_topics/data-batch-dag.md |
| Workflow四重正确性保障 | 已复用 | notes/_topics/data-batch-dag.md |
| 全局引用保障流水线续跑 | 已复用 | notes/_topics/data-batch-dag.md |
| 完整性要求远高于可用性 | 已复用 | notes/_topics/backup-disaster-recovery.md |
| 多存储混用会破坏引用完整性 | 已复用 | notes/_topics/backup-disaster-recovery.md |
| 交付恢复能力而非备份任务 | 已复用 | notes/_topics/backup-disaster-recovery.md |
| 数据丢失的二十四种组合 | 已复用 | notes/_topics/backup-disaster-recovery.md |
| 时间点恢复难则分级备份 | 已复用 | notes/_topics/backup-disaster-recovery.md |
| 越底层的备份越不新鲜 | 已复用 | notes/_topics/backup-disaster-recovery.md |
| 分级备份的保留策略 | 已复用 | notes/_topics/backup-disaster-recovery.md |
| 冗余系统要选常用的 | 已复用 | notes/_topics/backup-disaster-recovery.md |
| 脏数据会随时间扩散 | 已复用 | notes/_topics/backup-disaster-recovery.md |
| 带外校验只查毁灭性问题 | 已复用 | notes/_topics/backup-disaster-recovery.md |
| 校验框架由中央团队提供 | 已复用 | notes/_topics/backup-disaster-recovery.md |
| 只有真恢复过才算能恢复 | 已复用 | notes/_topics/backup-disaster-recovery.md |
| 磁带是防同层故障的底线 | 已复用 | notes/_topics/backup-disaster-recovery.md |
| 阶段间隔假设会被增长打破 | 已复用 | notes/_topics/backup-disaster-recovery.md |
| 海量恢复是一场后勤战 | 已复用 | notes/_topics/backup-disaster-recovery.md |
| 数据完整性的五条理念 | 已复用 | notes/_topics/backup-disaster-recovery.md |
| 发布协调工程师的角色 | 已复用 | notes/_topics/change-release-safety.md |
| 发布流程的五个特征 | 已复用 | notes/_topics/change-release-safety.md |
| 新领域要重写检查列表 | 已复用 | notes/_topics/change-release-safety.md |
| 发布容量要按尖峰准备 | 已复用 | notes/_topics/capacity-scheduling.md |
| 发布计划要备好退路 | 已复用 | notes/_topics/change-release-safety.md |
| 自动请求必须加抖动 | 已复用 | notes/_topics/overload-protection-degradation.md |
| 服务端下发配置控制客户端 | 已复用 | notes/_topics/centralized-config-management.md |
| 灰度发布逐级放大 | 已复用 | notes/_topics/change-release-safety.md |
| 功能开关框架的要求 | 已复用 | notes/_topics/change-release-safety.md |
| 过载行为难以预测要压测 | 已复用 | notes/_topics/overload-protection-degradation.md |
| 低风险发布走简化检查 | 已复用 | notes/_topics/change-release-safety.md |
| 基础设施变更须自带迁移 | 已复用 | notes/_topics/change-release-safety.md |
| 随机工单不是培训 | 已复用 | notes/_topics/incident-response.md |
| 按请求路径组织课程 | 已复用 | notes/_topics/incident-response.md |
| 用小项目代替琐事 | 已复用 | notes/_topics/incident-response.md |
| SRE需要的三种能力 | 已复用 | notes/_topics/incident-response.md |
| 反向工程一个生产服务 | 已复用 | notes/_topics/incident-response.md |
| 事后总结是最好的教材 | 已复用 | notes/_topics/incident-response.md |
| 命运之轮角色扮演演练 | 已复用 | notes/_topics/incident-response.md |
| 先猜后压摧毁练习集群 | 已复用 | notes/_topics/incident-response.md |
| 让新人维护学习清单 | 已复用 | notes/_topics/incident-response.md |
| 运维负载的三种类型 | 已复用 | notes/_topics/interrupt-focus-management.md |
| 中断策略看五个指标 | 已复用 | notes/_topics/interrupt-focus-management.md |
| 值班那周不排项目 | 已复用 | notes/_topics/interrupt-focus-management.md |
| 非值班别抢着处理工单 | 已复用 | notes/_topics/interrupt-focus-management.md |
| 工单也要交接与复盘 | 已复用 | notes/_topics/interrupt-focus-management.md |
| 嵌入SRE的三个阶段 | 已复用 | notes/_topics/devops-adoption.md |
| 识别即将爆发的隐患 | 已复用 | notes/_topics/devops-adoption.md |
| 先帮团队定下SLO | 已复用 | notes/_topics/slo-error-budget.md |
| 带成员亲手修而非代劳 | 已复用 | notes/_topics/devops-adoption.md |
| 团队接口像API一样设计 | 已复用 | notes/_topics/org-architecture-alignment.md |
| 生产会议的默认议程 | 已复用 | notes/_topics/security-culture-org.md |
| 专业化要配团队章程 | 已复用 | notes/_topics/org-architecture-alignment.md |
| 角色明确与动态的取舍 | 已复用 | notes/_topics/org-architecture-alignment.md |
| 跨地域项目的协作要点 | 已复用 | notes/_topics/org-architecture-alignment.md |
| 短期贡献会稀释所有权 | 已复用 | notes/_topics/org-architecture-alignment.md |
| 共同愿景促成重复项目合并 | 已复用 | notes/_topics/org-architecture-alignment.md |
| 新旧系统输出比对验证迁移 | 已复用 | notes/_topics/testing-effectiveness.md |
| SRE参与的三种模型 | 已复用 | notes/_topics/devops-adoption.md |
| SRE关注的六个生产方面 | 已复用 | notes/_topics/devops-adoption.md |
| 无SRE时靠指南与咨询 | 已复用 | notes/_topics/devops-adoption.md |
| 生产就绪评审的流程 | 已复用 | notes/_topics/devops-adoption.md |
| PRR检查列表要因服务而定 | 已复用 | notes/_topics/devops-adoption.md |
| 早期参与把可靠性设计进去 | 已复用 | notes/_topics/devops-adoption.md |
| 隐形发布用复制流量练兵 | 已复用 | notes/_topics/change-release-safety.md |
| 逐个接手无法随服务扩展 | 已复用 | notes/_topics/devops-adoption.md |
| 把最佳实践做成服务框架 | 已复用 | notes/_topics/devops-adoption.md |
| 平台归SRE业务归研发 | 已复用 | notes/_topics/org-architecture-alignment.md |
| 演习要逼真到难辨真假 | 已复用 | notes/_topics/incident-response.md |
| 预留冗余应对突发需求 | 已复用 | notes/_topics/capacity-scheduling.md |
| 向真实使用者收集需求 | 已复用 | notes/_topics/user-research-methods.md(向真实使用者与维护者收集需求) |
| 安全文化自上而下贯彻 | 已复用 | notes/_topics/security-culture-org.md |
| 用自动校验防止输入错误 | 已复用 | notes/_topics/fail-safe-defaults.md |
| 响应时限决定是否自动化 | 已复用 | notes/_topics/toil-automation.md |
| 稳定行业靠手册不轻易改动 | 已复用 | notes/_topics/change-release-safety.md |
| 故障代价决定变更速度 | 已复用 | notes/_topics/change-release-safety.md |
| 驾驶舱始终只有两名飞行员 | 已复用 | notes/_topics/toil-automation.md |
| 容量预测要持续对照实际 | 已复用 | notes/_topics/capacity-scheduling.md |
| 事故文档要写明退出条件 | 已复用 | notes/_topics/incident-response.md |
| 事后总结记下幸运因素 | 已复用 | notes/_topics/incident-response.md |
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。
主题索引
比较 GFS、HDFS、BigTable、MongoDB、RabbitMQ 等系统的租约、写确认、副本同步、选主与脑裂处理。
主题索引
比较主备、主从、集群、分区与异地多活等高可用架构的适用范围、数据同步与代价。
主题索引
比较限流、减载、退避重试、分级依赖与防御成本的过载应对手段。
主题索引
时序模型与拉推采集、黄金指标与分位、探针与 APM、容量与负载、监控分层。
主题索引
比较分布式共识、领导者选举、副本数量与一致性模型的可靠性取舍。
主题索引
比较单元测试、变异、模糊测试、静态分析与故障注入各自能证明什么。
主题索引
比较冗余容量、故障域、逻辑与物理资源解耦等容量规划与调度方法。
主题索引
比较变更速度、渐进发布、紧急发布与回滚边界的工程控制。
主题索引
比较团队边界、组织结构与技术架构如何对齐,以及组织惯性对架构变革的影响。
主题索引
流水线的资源模型、任务隔离与显式依赖、定义与运行分离、事件触发,以及构建/发布/运行分离和配置外置如何让同一制品安全跨环境交付。
主题索引
比较事故/安全事件的分级、指挥、沟通、演练与交接做法。
主题索引
Trace/Span 模型、标识与上下文传播、采样取舍、OpenTelemetry 与采集器管道。
主题索引
比较备份独立性、恢复可验证性与恢复阶段的设计要点。
主题索引
比较顺序一致性、线性一致性、外部一致性等一致性模型,以及 CAP、弱 CAP、HAT、PACELC 对系统取舍的刻画。
主题索引
比较最小权限、多方审批、紧急绕过与访问审计的设计取舍。
主题索引
日志该记什么、怎么分级与结构化,采集管道与存储成本,以及审计证据与安全事件还原。
主题索引
比较负载均衡的分层组合方式与各类分配算法的取舍。
主题索引
比较混沌工程的稳态假设、实验设计、生产验证、爆炸半径控制与自动化,以及组织采纳成熟度对系统韧性的作用。
主题索引
DevOps 在组织中的适用边界与推进顺序:稳态与敏态系统的区分、工具与流程文化的关系、责任共担取代交接审批、分支模型与团队能力的匹配。
主题索引
比较数据交换格式的简洁性、互通性与安全解析要求。
主题索引
比较服务组合中接口与协议失配的分类、适配器的生成与合成方式,以及兼容性分层与组合验证。
主题索引
比较多层防护、分段拦截与故障/入侵影响范围限制的设计方法。
主题索引
比较 Linux 网络栈、虚拟网卡与网桥、VLAN/VXLAN、容器网络模式与 CNI 等虚拟化网络机制。
主题索引
三支柱的关系与成本、自建与采购、成熟度演进、组织文化与工具化落地。
主题索引
比较故障与失效、部分失效、网络与超时的不确定性、时钟漂移与进程暂停,以及系统模型如何界定这些假设。
主题索引
比较安全/可靠性团队的组织形态、激励机制与推动变革的方法。
主题索引
比较如何定义 SLI/SLO/SLA、设定可靠性目标,以及用错误预算平衡稳定性与变更速度。
主题索引
比较配置外置到版本仓库、启动配置与业务配置的分离、按应用与环境匹配资源、敏感配置加密、配置服务高可用与消息总线动态刷新的做法与取舍。
主题索引
比较如何识别和控制重复性运维工作,以及自动化的演进阶段、收益与风险。
主题索引
比较排查系统问题时的假设管理、基线对比与复现方法。
主题索引
批量计算的执行模型:Map 与 Reduce 的边界、Shuffle 为什么是成本中心、本地性与重算代价、DAG 怎样突破两阶段落盘、作业链与调度怎样编排,以及 MapReduce 这类模型能解决与不能解决的边界。
主题索引
比较区分必要与意外复杂度、删减代码与接口、以简化方案推进工程的做法。
主题索引
告警规则与路由、SLO 与错误预算、告警疲劳,以及怎样让告警对应可行动的响应。
主题索引
比较构建隔离、产物来源证明与部署前策略检查的做法。
主题索引
比较组件失效时选择开放、关闭或停滞的依据与被利用风险。
主题索引
比较访谈、情境观察、问卷与环境调研等用户研究方法及其偏差控制。