知识卡片
值班要可持续且灵活
班次长度:每天要处理一次以上呼叫的轮值,班次最好不超过 12 小时——越短越有利于心理健康,疲倦会犯错,许多国家也有工时法规。不必全球分布也能做到:同一地点两人分白天、夜间。24 小时值班不可持续;偶尔的夜间 12 小时班至少保证能休息;或缩短为约 3 天班、4 天休。
个人情况变化(成为父母、短期出差、生病)时,关键是灵活性——当作原则,而不是照搬某套规则: - 自动排班:考虑假期、平日/周末分配、个人偏好、宗教等;“公平”不等于完全均匀,团队共享偏好再合理满足;工具应能适应变化、自动重平衡、兼顾偏好与历史负载,并且不改动已生成的排班,以便大家提前规划; - 短期调换:生病或紧急任务时调班;非紧急调换(如去上训练课)尽力而为;响应 SLO 为 5 分钟而通勤要 30 分钟时,要确保通勤期间有人顶上;写明调换政策,同行评审调换在安全与灵活之间平衡较好; - 长期离开轮值:团队规模应允许有人暂时退出而不压垮他人。经验值:多站点 24⁄7 每站至少 5 人,单站点 24⁄7 至少 8 人;再加一人作为缓冲——即多站点每站 6 人、单站点 9 人; - 兼职:每周少几天的,排班时避开不工作的日子;每天少几小时的,与他人拆分班次,或在工作日全天值班(轮值不频繁时);补偿与值班时长按比例。
团队动态:“熬过这一周”的文化:公司成长后,25 名功能开发和 5 名运维共同值班,开发掌握最终决定权、运维只做操作;后续行动迟迟不落实;某开发坚持对自己模块按错误数而非错误率呼叫,制造大量误报;其他人则“扫一眼标题知道是重复的就忽略”。两条建议: - 授权运维工程师:重塑为 SRE(必要时改名,但改名本身不是灵丹妙药),明确 SRE 负责站点运行——定义可靠性路线图、推动问题彻底解决、维护监控规则;行动项只分配给 SRE,由他们与开发协商告警争议;鼓励 SRE 自己改代码再交给专家审查;开发是必要的合作者但不掌控; - 改善团队关系:Google 有专门的“团建预算”;关系更紧密的人更愿意修 bug、帮同事——“我保护我的同事”;让所有值班成员坐在一起、一起吃午饭,不要低估这些简单改变。
结论:SRE 值班不同于传统运维——不只处理日常,还完全掌控生产,并通过可靠性阈值、自动化和战略工程项目持续改进。被告警淹没时,退一步从高处观察,与其他团队对比,收集信息后系统地解决。
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?
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
- · 第8章 值班
原书出处 · 1 处
- 第8章 值班 · 查看原书依据
根据我们的经验,24小时值班不是可持续的设置。