知识卡片

普通读书笔记卡 · 1553.a.2

SRE应少于组织想要的数量

理解等级:中级

SRE 和团队变多后的新挑战:保证职业机会、鼓励实践和工具一致、处理不值得完整 SRE 参与的服务。Google 的做法:

  • Mission Control:产品开发工程师到 SRE 团队待六个月,通常匹配与其专长截然不同的团队,接受生产系统和实践培训并最终上值班;之后有人留在 SRE,有人带着对生产和 SRE 的更好理解回原团队;SRE 团队获得人手,还能发现培训材料和文档的缺口与错误;
  • SRE Exchange:SRE 到另一个 SRE 团队工作一周,观察并分享本队实践,结束时写旅行报告给出对两队的建议——Google 的 SRE 团队高度专业化,这很有用;
  • 培训:除团队内培训外建立标准课程——新 SRE 参加为期一周的沉浸式 SRE EDU,几个月后再上管理重大事件的通用工具和流程课程;绩效管理特别认可推动培训的 SRE;
  • 横向项目:与服务紧耦合的团队容易各自造监控、发布、配置工具,造成大量重复。允许多种方案竞争“市场”有价值,但到某个时点应收敛到满足大多数团队需求、提供稳定可扩展平台以支撑下一层创新的标准方案,由经验丰富的 SRE 组成横向团队构建运行并推动采用(见第21章);
  • SRE 流动性:没有绩效问题就可自由转到其他招聘中的 SRE 团队;也通过软件工程师招聘标准的 SRE 可自由转到产品开发。好处:找到感兴趣的角色;个人情况变化时可查看各队值班统计,转到值班较轻的团队;带去经验;跨办公室流动维持文化一致;SRE 不会被迫留在不健康的服务或不支持个人发展的经理手下——副作用是迫使 SRE 经理专注于让服务和团队健康快乐;
  • 差旅:资助跨办公室的兴趣社区每年至少面对面一次,参加行业 SRE 会议;
  • 发布协调工程(LCE):把 SRE 原则应用于不值得 SRE 完整参与的更广泛产品团队,并积极自动化自身工作,开发让产品团队能在生产中设计、构建、发布服务的标准工具和框架;
  • 卓越生产(Production Excellence):高级 SRE 领导定期按标准指标(值班负载、错误预算使用、项目完成、bug 关闭率)审查每个团队,表扬优秀、给欠佳者建议;经验丰富的审查者能区分团队合并或拆分导致的项目完成率下降与真正的绩效问题;团队有被压垮风险时,审查者应利用组织地位支持团队负责人纠正;
  • 资金与招聘:SRE 的大部分资金与产品开发来自同一来源——像测试和安全一样,可靠性是产品开发的核心支柱;SRE 供给总是少于需求,这迫使定期审查并排定获得 SRE 支持的服务。简言之,SRE 应少于组织想要的数量,只够完成其专门工作。SRE 与产品开发工程师的比例约从 1:5(底层基础设施服务)到 1:50(大量用标准框架构建的面向消费者的应用),许多服务约 1:10。

结论:任何规模的组织都可以通过三条原则实施 SRE——SRE 需要有后果的 SLO;SRE 必须有时间让明天比今天更好;SRE 团队有能力调节其工作量。这些原则在 Google 多年的大规模经验和与客户合作采用 SRE 的经验中都被证明是对的。

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20章《第20章 SRE团队生命周期》20 建议管理多个团队的做法;结论(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章介绍Google管理多个SRE团队的做法:Mission Control六个月轮岗、SRE Exchange一周交换、SRE EDU培训、横向团队收敛标准工具、SRE自由流动、LCE、卓越生产审查,以及SRE与产品开发同源出资且供给少于需求(比例约1:5至1:50),并总结实施SRE的三条原则。 - 原始内容:简而言之,您的SRE应该少于组织想要的数量,并且只有足够的SRE才能完成其专门工作。