知识卡片
扩展SRE与结束参与
一个 SRE 团队支持多服务:SRE 技能专业且稀缺,Google 通常保持 SRE 与开发人员比例 < 10%,一个 SRE 团队在其产品领域(PA)与多个开发团队合作。有限的 SRE 可以扩展到多个服务,前提是这些服务:属于同一产品(端到端拥有用户体验);技术栈相似(降低认知负担、复用技能);由同一或少数相关开发团队构建(减少关系数量、便于对齐优先级)。
多 SRE 团队的组织:按产品分组(减少需要协调的开发团队),或按技术栈分组(存储、网络)。为避免开发组织重组时 SRE 团队动荡,建议按技术而非开发的 PA 汇报结构组织 SRE。根据服务需求和工程/运维负载创建、拆分、合并、解散团队,每个团队要有清晰章程;服务过多时宁可拆分现有团队也不从零组建,以传递文化、扩展现有领导力;重组必然有破坏性,只在必要时做。
分布式团队:需要 24⁄7 覆盖和业务连续性时把团队分布在全球;按相邻性和服务/技术相似度安排;单例团队效率低且易受外部重组影响,只在业务明确需要并考虑过其他选项后才建;即使只是跨楼也要维持双地安排;建立组织标准,定期(如每 12–18 个月)全员线下峰会。无需人人承担的职责(定期从备份做恢复测试、跨公司技术任务):分给单个地点但定期(如每年)轮换,或在地点间分担并主动平衡;不要常年锁定在一个地点——虽然会变得很擅长,但会形成“我们与他们”的心态,阻碍知识传播,带来业务连续性风险。
结束关系:参与不必无限期。工作不再有影响力(价值主张消失)或大部分已不是工程而是运维时,就该重新审视;团队层面,SRE 相对成本不再提供足够价值时可交还服务——服务已优化到不需要持续 SRE 参与、重要性降低、即将终止。 - Ares(积极结局):反滥用 SRE 支持通用滥用工具团队(CAT)。对抗滥用需要快速适应和灵活变更,与 SRE 可靠、计划性功能开发的目标冲突——SRE 要求对每项新保护做生产影响分析,拖慢部署。双方用多年时间在 CAT 内组建专门的基础设施团队 Ares(具备生产经验的 CAT 工程师),SRE 向其传授生产管理知识,并建议尽量让系统同质化以减少认知负担(共享发布结构、容量规划、存储子服务等)。Ares 把反滥用栈模块化为微服务,并增加一层抽象,让开发者不必操心监控、日志、存储等底层细节。结果:CAT 有了“内部”生产专家,SRE 不再审查新功能集成,上线时间大减;大多数需求不需改基础设施,SRE 只需评估基础设施影响;产品集成变得像功能发布一样快速可预测;最终 SRE 不再直接支持 CAT 而专注基础设施,CAT 可靠性没受损,开发速度反而提高,形成共同命运感; - 数据分析管道(较复杂的结局):两个支持营收关键数据分析管道的 SRE 团队合作十年后解散。信号:关闭前三年各方意识到管道遇到扩展极限,开发团队开始建新系统,形成非正式规则——复杂或高风险的需求优先投在新系统;资源转移后连保守改动都难做,而使用量仍高速增长;SRE 维护旧系统、开发建设新系统,组织分离加剧了优先级压力,沟通缺口让关系破裂。最终消除组织障碍,把新旧系统的优先级完全交给开发团队(预计新旧重叠 18–24 个月);开发承担额外运维,但更懂内部的人拥有旧系统,问题解决更快,只是学习运维细节期间有短期负面影响,SRE 的最后工作是让知识交接尽量顺利。若关系更健康,SRE 本可以只是暂时交还生产工作,待系统稳固后再接回。
结论:有效管理参与与做出好的技术设计同样重要;通过定期公开沟通共享目的和目标至关重要;投入对齐目标、理解彼此目标,与捍卫 SLO 同样重要。
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
原书出处 · 1 处
- 第18章 SRE参与模型 · 查看原书依据
为了防止开发人员重组期间SRE团队流失,我们建议根据技术而不是开发人员PA报告结构来组织SRE团队。