SRE运维解密

SRE运维解密

• 1. 概述篇
  • 1.1. 介绍
    • 1.1.1. demo
• 2. 指导思想篇
  • 2.1. 拥抱风险
    • 2.1.1. 管理风险
    • 2.1.2. 度量服务风险
    • 2.1.3. 服务的风险容忍度
      • 2.1.3.1. 辨别消费者服务的风险容忍度
        • 2.1.3.1.1. 可用性目标
        • 2.1.3.1.2. 故障类型
        • 2.1.3.1.3. 成本
      • 2.1.3.2. 基础设施服务的风险容忍度
        • 2.1.3.2.1. 可用性目标
        • 2.1.3.2.2. 故障类型
        • 2.1.3.2.3. 成本
    • 2.1.4. 使用错误预算的目的
      • 2.1.4.1. 错误预算的构建过程
      • 2.1.4.2. 好处
  • 2.2. 服务质量目标
    • 2.2.1. 服务质量术语
    • 2.2.2. 指标在实践中应用
      • 2.2.2.1. 运维人员和最终用户各自关心什么
      • 2.2.2.2. 指标的收集
      • 2.2.2.3. 汇总
      • 2.2.2.4. 指标标准化
    • 2.2.3. 目标在实践中应用
      • 2.2.3.1. 目标的定义
      • 2.2.3.2. 目标的选择
      • 2.2.3.3. 控制手段
      • 2.2.3.4. slo可以建立用户预期
    • 2.2.4. 协议在实践中应用
  • 2.3. 减少琐事
    • 2.3.1. 琐事的定义
    • 2.3.2. 为什么琐事越少越好
    • 2.3.3. 什么算工程工作
    • 2.3.4. 琐事繁多是不是一定不好
    • 2.3.5. 小结
  • 2.4. 分布式系统的监控
    • 2.4.1. 术语描述
    • 2.4.2. 为什么要监控
    • 2.4.3. 对监控系统设置合理预期
    • 2.4.4. 现象与原因
    • 2.4.5. 黑盒监控与白盒监控
    • 2.4.6. 4个黄金指标
    • 2.4.7. 关于长尾问题
    • 2.4.8. 度量指标采用合适的精度
    • 2.4.9. 简化到不能在简化
    • 2.4.10. 将上述理念整合起来
    • 2.4.11. 监控系统的长期维护
    • 2.4.12. 小结
• 3. 具体实践篇
  • 3.1. 基于时间序列数据进行有效报警
    • 3.1.1. demo
• 4. 管理篇
  • 4.1. 迅速培养SRE加入on-call
    • 4.1.1. demo