知识卡片
每班最多处理两个紧急事件
每 8~12 小时的 on-call 轮值最多只处理两个紧急事件。这条上限保证值班工程师有时间正确处理故障、恢复服务并写事后报告;事件过多时,每个问题都调查不清,工程师也无从学习,规模扩大后只会更糟。反过来,紧急事件极少、服务长期稳定时,维持那么多值班人力就是浪费。发散:把它当作告警和系统质量的体检指标,超标说明该减少告警或加固系统,而不是加人。参见[[事故与报警比例应接近1:1]]。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 第1章 介绍
原书出处 · 1 处
- 第1章 介绍 · 查看原书依据
SRE 处理运维工作的一项准则是:在每8~12小时的on-call 轮值期间最多只处理两个紧急事件。这个准则保证了on-call工程师有足够的时间跟进紧急事件,这样SRE可以正确地处理故障、恢复服务,并且要撰写一份事后报告。
参考来源
- 位置:《SRE:Google运维解密》第1章《介绍》(源文件:`_epub-src/OEBPS/Text/0007_0001.xhtml`)
- 结论依据:原文给出每轮值最多两个紧急事件的准则,并说明理由是保证跟进、恢复和撰写事后报告的时间,同时指出事件过少意味着值班人力浪费。
- 原始内容:SRE 处理运维工作的一项准则是:在每8~12小时的on-call 轮值期间最多只处理两个紧急事件。这个准则保证了on-call工程师有足够的时间跟进紧急事件,这样SRE可以正确地处理故障、恢复服务,并且要撰写一份事后报告。