← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 1569.b.2

减少琐事的通用策略

理解等级:中级

从源头消除最好,做不到再用其他方式管理: - 识别和衡量:数据驱动地比较琐事来源,把减少琐事当成独立项目;Google SRE 常在 bug 系统里跟踪琐事,按修复成本和节省时间排序; - 让系统摆脱琐事:先检查能否通过修改系统来减少琐事;运维团队最清楚哪些地方最折腾人,应与开发合作做出易于运维的软件; - 拒绝琐事:分析响应与不响应的成本,有时干脆不做;或故意延迟琐事以便批量/并行处理,减少中断并看出模式; - 用 SLO 减少琐事:不会消耗或超出错误预算的运维任务可以忽略;随着服务增长,关注整体服务健康而不是单台设备; - 从人工支持的接口开始:复杂业务先做部分自动化——通过定义好的 API 接收结构化数据,后面仍由工程师处理部分操作(“幕后工程师”),逐步走向完全自动化,避免在没完全理解领域前过度设计; - 提供自助服务:有了类型化的接口,就给用户 Web 表单、脚本、API,甚至“提交配置文件的拉取请求”;特殊请求或失败时优雅降级为工单。覆盖 80–90% 的请求就能大幅减少工作量; - 争取管理层和同事支持:短期内会占用做功能的人手,经理要保护团队免受新需求打扰,用客观指标说服; - 把减少琐事包装成新特性:与安全、可扩展性、可靠性等用户想要的目标结合; - 从小处着手再改进:先自动化几个高优先级项,用 MTTR 等明确指标衡量; - 提高一致性:用“宠物与牛”的方法,把链路、交换机、机器、机柜乃至集群当作可互换单元,统一接口(引流、恢复、关机)便于自动化。Google 的做法:团队可以自选技术,但不受支持的工具或遗留系统产生的琐事由他们自己承担; - 评估自动化的风险:拥有管理员权限的自动化必须防御性编程——谨慎验证输入(即使来自上游系统);设置与人类操作员收到的同等的告警与防护(超时、检查当前指标或中断数);注意大规模的只读操作也可能压垮设备;安全检查不完整时默认交给人工; - 自动化琐事响应:不要逐字照搬人工流程,把它拆成可组合、可复用的组件;自动化常是简化流程的机会,但不应让人失去对问题的理解; - 使用开源和第三方工具; - 用反馈改进:调研用户如何使用工具,并以延迟、错误率、返工率、节省人时衡量效果。

遗留系统的四条路:回避(接受技术债,退回传统系统管理);封装/增强(用 API、自动化、配置管理、监控、测试把它包起来——把高息技术债换成低息,为逐步替换做准备);替换/重构(在前面加公共接口,用金丝雀或蓝绿部署逐步迁移;旧系统的“规格”往往只由历史用法定义,所以要构建带历史输入输出的生产规模数据集来验证新系统行为一致);退役/托管(未迁移的少数用户承担残余系统的所有权)。

译文提示:本书为社区机器辅助译本,本卡按上下文和官方英文版理解,引文保留中文原样。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《谷歌站点可靠性工作手册》第06章《第6章 消除琐事工作》6 琐事管理策略;遗留系统(源文件:extracted/谷歌站点可靠性工作手册/_epub-src/OEBPS/Text/11.html,来源项目 book-sources) - 结论依据:第6章琐事管理策略一节列出识别衡量、改系统、拒绝或延迟琐事、用SLO、人工支持接口、自助服务、争取支持、作为新特性、从小处着手、提高一致性(宠物与牛及谁产生谁承担)、评估自动化风险、拆解自动化、用开源工具、用反馈改进等策略,并给出遗留系统回避、封装、替换、退役四条路径。 - 原始内容:处理琐事的最佳策略是从源头上消除它。