4-4 SRE 的核心理念与可观测性 - 刘峰

SRE核心概念与可观测性

Google SRE

• 起源：

  • Apollo 7 飞船研发事故启发了SRE的理念，强调对细节的关注、灾难预案和准备工作。
  • 第一个SRE是参与阿波罗登月计划的MIT教授Margaret Hamilton。

• 定义：

  • SRE是使用计算机和软件工程手段设计和研发大型、分布式计算机软件系统的一种学科。
  • 关注点在于系统的可靠性，包括架构设计和运维流程优化。
  • 主要工作是运维分布式集群系统上的具体业务服务。

• 原则：

  • 确保长期关注研发工作。
  • 在保障服务级别目标（SLO）的前提下最大化迭代速度。
  • 监控系统。
  • 应急事件处理。
  • 变更管理。
  • 需求预测和容量规划。
  • 资源部署。
  • 提高效率与性能。

观测性

• 定义：

  • 观测性是系统的属性，是从了解系统外部输出中推断出系统内部状态的能力。
  • 如果IT系统无法充分将其状态外部化，即使最好的监控也无济于事。

• 重要性：

  • 服务快速增长。
  • 动态体系结构。
  • 容器化工作负载。
  • 服务之间的依赖关系。
  • 更加重视客户体验。

• 监控与观测性：

  • 分布式、复杂的服务在不可预测的用户和可变吞吐量下运行，导致错误的可能性成倍增加。
  • 观测性是必需的，因为它允许我们将服务的所有输出外部化，从而推断服务的内部状态。

• 实例：

  • 服务级别的目标（SLO）和系统级别的指标（SLI）。
  • 例如，90%的用户应在一分钟内完成完整的付款交易。
  • 38秒是用户完成付款的“正常”时间，此时所有监控都处于健康状态。

SRE与可观测性

• 奇点：
  • 引入和推动“奇点”，连接开发和运维。
  • 解决应用与系统环境之间的鸿沟。
  • 实现软件工程与系统工程的融合，最终为客户提供业务价值和满意度。

欢迎联系。