知识卡片
运维过载时把报警交回研发
运维压力超过 50% 上限时,SRE 和管理层要在季度计划里加入应对措施,并尽量量化目标;临时借调一名有经验的 SRE 常能帮团队恢复。常见根源是报警配置错误,报警应与 SLO 一致、可操作、合并重复。压力来自研发改动时,双方要设共同目标;若需几个季度改架构,SRE 不应独扛,可把部分或全部报警交给研发,极端时停止支持该服务。发散:退回报警是让双方共担后果。参见[[SRE的人员构成与50%规则]]。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第11章 on-call轮值 · 查看原书依据
但是在某些情况下,降低系统运维压力可能需要改变复杂的系统架构,甚至需要几个季度的时间来完成。在这种情况下,SRE团队不应该承担全部运维压力,而是应该和研发团队协商,将某些或者全部报警信息转交给研发组处理。采用这样的临时措施,SRE才能有时间和精力与开发团队共同将系统运维压力降低,以便重新由SRE独立运维。 SRE和产品研发团队的协商机制,有助于平衡两个团队的话语权。
参考来源
- 位置:《SRE:Google运维解密》第11章《on-call轮值》(源文件:`_epub-src/OEBPS/Text/0009_0002.xhtml`)
- 结论依据:原文列出运维过载时的量化目标、借调 SRE、修正报警配置、与研发设共同目标、把报警转交研发乃至停止支持等措施。
- 原始内容:在这种情况下,SRE团队不应该承担全部运维压力,而是应该和研发团队协商,将某些或者全部报警信息转交给研发组处理。