行业研究公司研究宏观策略财报招股书会议纪要 Token 低空经济十五五 AIGC 大模型

2024年SRE实践白皮书v1.0.4

信息技术 2024-09-18 - SREelite 杨建江

SRE实践白皮书 (v1.0.4, 2024年9月)

1. 总体介绍

前言：介绍了SRE（Site Reliability Engineering）的基本概念。
SRE发展历程：概述了SRE的发展历程。
SRE目标：明确了SRE的核心目标。

2. 组织架构

描述了SRE的组织架构，包括团队结构和职责分配。

3. 职能

可靠性架构设计
- 应用韧性架构
  - 分布式设计、解耦设计、冗余设计、熔断设计、限流设计、降级设计、可观测设计。
- 基础设施保障
  - 机房多活、网络容灾、数据灾备（包括数据备份、数据回滚、仓库性能、仓库安全、仓库可扩展性）。
- 研发保障
  - 代码可靠性、代码仓库可靠性、构建可靠性、制品可靠性。
- 运行环境适配
  - 运营环境设计、容器云适配、数据库存储适配、信创适配。
- 运行环境交付
  - 基础资源服务、可观测策略、自动化策略。
- 测试策略
  - 连通性验证、功能测试、性能压测、数据迁移。
- 变更评审
  - 稳定性架构设计评估、非功能性技术评估、变更保障准备工作评估、新系统或新业务上线保障评估。
变更管理
- 发布管理与变更管理的关系阐述。
- 变更体系设计原则及流程设计。
- 变更管理案例，包括B站、携程、某银行等案例。
- 发布管理案例，包括中移互联网、某证券、游戏GitOps等案例。
故障应急
- 故障应急体系设计原则及流程设计。
- 故障诊断与应急处理，包括应急协同、故障定界、影响评估、架构自愈、应急预案、应急维护、恢复验证。
- 故障复盘，包括复盘组织、根因分析、制定改进措施、问题跟踪。
- 故障应急工程体系设计，包括面向故障应急的监控设计、作业平台设计、ITSM设计。
- 故障应急案例，包括小米、中国联通、腾讯等案例。
上线后持续优化
- 用户体验优化（基于用户端和系统端）。
- 重大技术保障，包括整体统筹保障、技术方案保障、工具可靠性保障、突发事件保障。
- 运维琐事的日常管理及优化。
- 业务全生命周期工具建设。
- 运营成本分析及优化。
- 混沌工程，包括正常行为定义、设计和实施混沌实验、监控和分析实验结果、优化和修复问题、持续迭代和改进。
- 应用服务SLI/SLO（Service Level Indicator/Service Level Objective）。
- 持续改进，包括效率、质量、安全、人员能力、流程等方面的持续改进。