60天共读一本书之《SRE: Google运维解密》第一二章读书感想

根据小组内部的分工，阅读了这本书的第一二章，并在SRE会议上进行了内容分享。以下是对一些印象比较深的点的一些感想：

关于作者及译者：都是在Google SRE团队工作多年的人，特别译者竟然也是有多年Goole SRE工作经验的人，这本书靠谱。

关于SRE的核心方法论：“确保长期关注研发工作：SRE团队被要求将大部分时间（通常为50%）投入到软件工程和自动化项目中，以减少手动运维（琐事），实现系统自治。”这点上， 原来也意识到开发工具解决重复性运维问题是必要的，这次从书中得到了相同的观点，且书中明确提出了最低研发占比。这个比例比预想的要高。书中也提出了如果无法保证50%研发占比的解决方法：协调业务开发工程师暂时负责部分运维工作，而且这个措施能加强SRE工程师和业务开发工程师的交流。

关于SRE的核心方法论：“在保障服务SLO的前提下最大化迭代速度：通过引入错误预算（Error Budget） 这一关键概念，量化了服务可接受的不可靠性。这和我们目前的工作模式一致，错误预算，就是我们目前的1-SLA，既最多可容忍的不可用时间。具体的执行策略“只要错误预算未耗尽，就鼓励快速发布和创新；一旦耗尽，则必须暂停发布，优先修复问题以重建可靠性。” 这和我们目前还是有一定差别，特别是“一旦耗尽，则必须暂停发布，优先修复问题以重建可靠性。”部分，这一点按我们的实际情况可能很难做到。

关于SRE的主要职责：

• 监控系统：建立有效的监控和告警机制。
• 应急事件处理：负责on-call（值班）和事故响应。
• 变更管理：安全地管理发布和部署。
• 需求预测和容量规划：确保系统有足够的资源。
• 效率与性能：持续优化系统资源利用率和性能。

以上几点我们都已涉及，在变更管理和需求预测和容量规划部分有差异，变更和发布目前我们是研发团队负责。而需求预测和容量规划只有部分SRE参与。个人感觉我们目前的流程更适合我们的实际场景。