尚梦宸 -SRE 研发运营系统可靠性与连续性工程标准权威解读

核心观点与关键数据

• 运维理念演进：随着数字技术发展，信息系统复杂性上升，运维理念从传统Ops向DevOps、AIOps演进，强调自动化、监控、故障注入等手段提升系统可靠性、可维护性和可扩展性。
• DevOps阶段：经历了研发与运维分离、DevOps协同、自动化运维三个阶段，逐步实现快速部署、持续集成/交付（CI/CD）和自动化配置。
• 大运维体系：围绕软件研发运营生命周期（需求、设计、开发、测试、运维），聚焦运维目标、组织、团队管理以及服务和工具能力，构建稳定、高效、精细、安全的大运维体系。
• AIOps能力成熟度模型：分为通用能力要求（感知、分析、决策、执行、知识更新五个维度）、系统和工具技术要求（基础功能、高级功能，分为全面级、优秀级、卓越级三个级别）和可观测性能力要求，旨在指导企业AIOps能力建设和系统工具选型。
• FinOps：IT资源财务运营（FinOps）通过整合财务、业务与IT视角，推动IT资源高效管理，实现降本增效。
• 系统稳定性挑战：全球宕机事件频发，关键信息系统平稳运行受到高度重视，《关键信息基础设施安全保护条例》明确要求保障系统安全稳定运行。
• STAR实验室：中国信通院于2021年启动稳定性相关工作，成立分布式系统稳定性实验室（STAR），汇聚各方智慧，定义、研究、推广系统稳定性相关工作及成果。
• SRE工程：通过优化系统架构、监控、自动化工具和团队文化等手段提高系统稳定性和可靠性，实现SLO（服务等级目标）运营目标；通过自动化和标准化运维流程提高运维效率和降低成本。
• SRE评估：基于《研发运营一体化（DevOps）能力成熟度模型第14部分：系统可靠性与连续性工程》，开展智能运维（AIOps）SRE研发运营系统可靠性与连续性评估，分为研发过程、运营过程和研发运营全过程三种评估方式。
• 灾备能力评估：评估灾备系统建设的成熟度，为应用方建设灾备系统提供参考。
• 系统测试与监测：提供面向各类系统的压测/拨测服务，包括第三方全链路压测服务、系统稳定性监测服务（模拟真实用户访问）和面向小程序的端到端全链路测试服务。
• 软件产品稳定性测试：基于自主研发的Databench-C分布式混沌测试平台，开展软件产品的稳定性测试，已完成2个批次，涉及4类基础软件产品。

研究结论与后续计划

• 结论：信息系统稳定性面临新环境和新挑战，需要通过SRE研发运营系统可靠性与连续性工程、AIOps能力建设、FinOps等手段提升系统稳定性和运维效率。
• 后续计划：优化相关标准（《研发运营一体化（DevOps）能力成熟度模型第14部分：系统可靠性与连续性工程》），征集信息系统平稳运行优秀案例，组织技术沙龙交流活动，持续围绕企业数字化运营、新架构、新技术、新模式等方向开展交流与合作。