知识卡片

普通读书笔记卡 · 1583.c.3

SRE参与贯穿服务生命周期

理解等级:中级

前提:SRE 原则旨在最大化开发团队的工程速度,同时保持产品可靠性;但再好的 SRE 团队能做的也有限,领域太大太复杂时 SRE 模型效率下降——微服务让小公司也很容易拥有比一个 SRE 团队能处理的更多的服务。所以 SRE 必须决定把精力放在哪里,并与产品开发团队一起确定焦点。参与不只围绕服务本身,更要理解开发和产品团队的目标、找到支持它们的正确方式;团队甚至可以从一个人开始,但都要主动定义 SRE 的角色、管理与开发的沟通协作。

SRE 可以在生命周期任何阶段开始参与(例如开发团队计划替换一个已由 SRE 支持的服务时很早介入;或 GA 数月数年后面临可靠性、扩展性挑战时正式接入): 1. 架构与设计:制定最佳实践(如对各种单点故障的韧性);记录特定基础设施系统能做和不能做什么,让开发者明智选择构建块、避开已知陷阱;早期咨询具体架构选择,用目标原型验证假设;加入开发团队或共同设计服务的一部分。开发后期修正架构错误更难,早期参与能避免面对真实用户和增长时昂贵的重新设计; 2. 积极开发:开始生产化——容量规划、冗余资源、应对尖峰和过载、负载均衡、可持续的监控告警和性能调优; 3. 有限可用(Beta):用户数、用例多样性、使用强度、可用性和性能需求都在增加。强烈建议在 GA 前定义 SLO,客观衡量可靠性;产品团队仍可放弃达不到目标可靠性的产品。SRE 建容量模型、为发布获取资源、自动化开通和就地调整规模,确保监控覆盖、创建与 SLO 匹配的告警。此阶段事故和运维量会增加,建议开发和 SRE 分担——开发获得运维经验,SRE 熟悉服务,运维和事件管理反过来指导 GA 前需要的系统改动; 4. 全面可用(GA):已通过生产准备审查(PRR),接收所有用户。SRE 承担大部分运维,但开发团队仍应承担一小部分运维和事件响应,以免失去这方面的认识——可以在值班轮换中永久保留一名开发者;GA 早期开发团队专注成熟服务和首批新功能,也要了解真实负载下的系统特性;后期开发做小的增量功能和修复,部分由运维需求和生产事故驱动; 5. 弃用:有更好的替代系统时,对新用户关闭旧系统,工程投入转向迁移;SRE 基本独自运维旧系统并支持迁移——实际上支持两套完整系统,人员配置要相应调整; 6. 放弃:开发团队通常收回运维支持,SRE 尽力支持事件;内部服务则把管理移交给剩余用户; 7. 不再支持:没有用户、服务关闭,SRE 帮忙删除生产配置和文档中对它的引用。

(中文本“Google Analytics(分析)”是对 GA——General Availability 的误译,应理解为“全面可用之前/后期”。)

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 / 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

    参考来源

    - 位置:《谷歌站点可靠性工作手册》第18章《第18章 SRE参与模型》18 SRE参与模式;服务生命周期(阶段1–7)(源文件:extracted/谷歌站点可靠性工作手册/_epub-src/OEBPS/Text/25.html,来源项目 book-sources) - 结论依据:第18章说明SRE模型容量有限需选择焦点,并按架构设计、积极开发、有限可用、全面可用、弃用、放弃、不再支持七个生命周期阶段给出SRE参与方式,强调GA前定义SLO、Beta期开发与SRE分担运维、GA后开发仍保留少量运维职责。 - 原始内容:我们强烈建议在一般可用性(GA)之前定义SLO,以便服务团队可以客观地衡量服务的可靠性。