知识卡片

普通读书笔记卡 · 1567.a.1

可靠性由用户决定

理解等级:中级

写于 Google 实践 SRE 第 14 年、第一本 SRE 书出版两年后——非 Google 的 SRE 生态迅速扩张,让预测行业未来更难,但 Google 看到了一些趋势。作者从几条“不言而喻的真理”出发:

  • 可靠性是最重要的功能(“可靠性”涵盖很广):系统不可靠,用户就不信任;不信任,有选择时就不用;所有软件系统都受网络效应支配,没有用户的系统一文不值。你衡量什么就成为什么,所以要谨慎选择指标;
  • 可靠性由你的用户而不是你的监控决定:系统的价值在于用户,唯一重要的可靠性度量是用户体验到的可靠性。用户认为你的平台是他们不稳定的原因时,说“我们的监控一切正常,问题在你那边”只会让他们更恼火——他们会在选择竞争对手时记住这种不稳定(峰终定律,中文本译作“峰值规则”)。监控、日志和告警只有帮你在客户之前发现问题才有价值;
  • 运行平台时,可靠性是合作关系:只有人通过可视界面使用时,可靠性体验几乎全由 SRE 的工作决定;一旦有 API、部分“用户”是机器,你就在运行平台,规则改变——用户在平台上构建的系统若只能到 99%,即使平台有 99.999%,他们的最好体验也只有 98.99901%;他们的选择直接影响体验,即使不是你的错,他们也会让你为所经历的一切负责;
  • 一切最终都会成为平台:系统价值随用户数增长,你会寻找其他已有的大用户池,别的系统也想接触你的用户——于是通过 API 让机器互相对话;只要系统还算受欢迎,集成就是必然;即使你从不提供机器 API,别人也会把你的 UI 包装成 API,区别只是你失去控制;
  • 客户遇到困难时你必须放慢:即使没有传统支持渠道,你也会在 StackOverflow、Twitter、Facebook 上分类问题、回复投诉;花在帮用户渡过难关上的精力就不能用来改进系统——许多团队被修补客户问题占满时间,创新预算不断缩小,被琐事吞噬,一旦陷入很难脱身(见第6章),更好的办法是领先于即将到来的工作;内部平台团队同样适用——你的客户是公司内部系统;
  • 你需要与客户一起实践 SRE:想让客户在你的平台上设计和运行可靠的系统,就得教他们(包括内部客户,内部平台团队往往最先遇到这种动态)。即使能做成书、博客、架构图、视频等一对多的形式,也需要方法确定该讲什么并防止过时——最好的学习方式是与客户“做 SRE”:不一定替客户值班,但要做通常导向值班交接的大部分工作(满足最低可行可靠性要求),至少对一个有代表性的客户样本这样做。

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19章《第19章 SRE:超越自己》19 SRE:跨越高墙;我们坚持不言而喻的真理(源文件:extracted/谷歌站点可靠性工作手册/_epub-src/OEBPS/Text/26.html,来源项目 book-sources) - 结论依据:第19章从可靠性是最重要功能、可靠性由用户而非监控决定、运行平台时可靠性是合作关系(99%×99.999%=98.99901%)、一切终将成为平台、客户困难会吞噬创新预算等前提出发,论证平台方需要与客户一起实践SRE。 - 原始内容:您的监控,日志和警报仅在帮助您先于客户发现问题之前,才有价值。