← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 5332.a.2

成熟SRE团队自主定工作量

理解等级:高级

规范化阶段:解决前述风险,就最佳实践达成广泛共识——可接受的琐事水平、合适的告警阈值、重要的 SRE 实践;团队自给自足,能主动识别服务挑战并设定中长期目标。成熟度标志:SLO 和错误预算已制定,重大事件后执行错误预算政策,领导关心 SLO 指标;值班可持续,值班时间有补偿,工具、文档和培训足以让任何成员处理重要工单;琐事被记录、有边界、被管理,SRE 完成提升可靠性和效率的有影响力项目;建立事后总结文化;体现第1章的大多数原则;吸取教训防止重复;定期做不幸之轮、DiRT 等演练;产品开发团队继续参与值班会受益;定期(如每季度)向利益相关方报告亮点、不足和关键指标。

纽约时报案例:把现有团队转为 SRE:一个团队多年负责全站核心架构组件的配置、变更请求和运维,实际成了支撑所有产品团队的服务团队,被工单和生产问题驱动、处于持续反应模式,没时间改进创新;与产品发布相关的高优先级“阻塞”请求很多,团队只能随产品线性增长;大量机构知识集中在小团队,巴士因子很低(中文本“公共要素”系误译)。指导原则:让 SRE 离开关键路径,赋予产品团队自助能力,反转责任模型。步骤:先把 SRE 嵌入开发团队缓解压力;把每项服务配置拆到按团队划分的仓库;把服务从传统 CI 迁到标准 Drone CI/CD(由 GitHub 事件驱动);为产品团队接入新工具和流程,自己提交变更不再被工单阻塞。PR 审查仍常需要 SRE 专长,于是设每日办公时间批量处理问题、分享知识。结果:项目工作超过 50%,知识传播更广、中断减少;下一步加金丝雀部署、测试工具、可观测性和弹性功能,让产品团队完全自主管理配置。继续之前:停下来庆祝,并写一篇回顾。

表现阶段:SRE 成为所有架构设计和变更的伙伴——从设计初期就定义保证可靠性的软件构建模式;产品团队就重大服务变更主动征求 SRE 建议,SRE 早期介入降低日后昂贵重设计的可能,带来更好的可靠性、可扩展性、可运维性,更多复用现有模式,迁移更简单。

自我调节工作量(原则3):需要强有力的团队领导和高层明确的事先承诺,它保证 SRE 作为工程团队、与产品团队同等对待组织最重要的服务。有伙伴产品团队时:SRE 自主决定是否及何时接手服务;运维过载时可以降低 SLO 或把运维转给其他团队(如产品团队);在约定的人力约束内无法让服务满足 SLO,就把服务交还产品团队。参与不是永久的——问题都解决后,要么有意识地寻找新的可靠性挑战,要么有意识地交还服务,否则 SRE 会流失,缓慢的人员流失会让生产面临风险。没有伙伴产品团队(SRE 自己开发系统,或把第三方软件、硬件、服务包装成内部服务)时无法转移工作:服务不满足 SLO 就停止功能项目、转做可靠性项目;在约定琐事约束内无法满足 SLO 就降低 SLO,除非管理层提供更多人力或基础设施。

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20章《第20章 SRE团队生命周期》20 规范化;将现有团队转变为SRE团队(纽约时报);表现;在架构层合作;自我调节的工作量(源文件:extracted/谷歌站点可靠性工作手册/_epub-src/OEBPS/Text/27.html,来源项目 book-sources) - 结论依据:第20章说明规范化阶段的成熟度标志,以纽约时报把被工单驱动的服务团队转为SRE(按团队拆配置仓库、Drone CI/CD、每日办公时间、项目工作超50%)为例,描述表现阶段SRE成为架构伙伴,并阐述有无伙伴产品团队时SRE如何通过降低SLO、移交运维或交还服务自我调节工作量。 - 原始内容:如果在商定的劳力约束内无法在SLO上操作服务,则SRE团队可以将服务移交给产品开发团队。