矢量比特的博客_SRE心法

SRE的职业发展走势思考

谷歌提出SRE的思想已有多年，国内各大厂学的千姿百态、参差不齐，还有些大厂直接摊牌，不玩了，觉得基础设施和平台足够成熟，取消SRE岗，取而代之是各种干着SRE活儿的新岗，换汤不换药。也有些厂取消公共的业务SRE，把SRE下放到业务自治，确实解决了跨部门协作的问题，少了很多扯皮，但也是摁下了葫芦起了瓢，由于不成规模，成本比共享肯定是大的，体系和技术也难以共享，从公司的视角看到底是赔是赚还是笔糊涂账。

运维

系统运维

SRE

原创 6月前 164 阅读

挑战总结从业经验《大厂SRE体系化实践思考》

时常会写写博客，于是想干SRE这么多年，是否可以成体系的将从业经验总结一下，形成一个在大厂SRE场景下的实践手册，内容涵盖大型互联网系统的稳定性保障、DevOps自动化、逃生能力架构设计、技术运营、SRE成长等主题，坚持挑战写到现在，乐高式的拼在一起，终成体系。文章皆是工作中的实践总结，每个场景问题的解决、方法论的提炼，均来自自己一线的工作和管理实践。通过这本实践手册，希望帮助想进入SRE这个行业

实践手册

架构设计

SRE

原创 2023-07-04 12:38:14 146 阅读

大型互联网系统技术架构设计的4个基本要素

作为一名大厂SRE，对什么是好产品（技术架构角度）有深刻的感悟。一个好产品的技术架构不仅在优秀的代码本身，更体现在后期的易运维性、可扩展性、高可用性上。随着用户体量、产品功能、IaaS、PaaS的变化甚至员工的离职，随时需要动态调整架构改变策略来应对各种问题，而这些场景都是对技术架构是否优秀、是否有张力的一次次考验。如果是新产品，在早期SRE就要参与进来了，同步参与制定接入架构、部署架构、高可用架

运维

技术架构

高内聚

原创 2023-04-08 14:47:19 312 阅读

认知|运维中数据的认识和应用——数据驱动运维

随着行业的发展，运维职能在发生微妙的变化，现在谈大厂SRE的方向，其实我觉得更像是技术运营，通过运营的方式技术的手段牵头协同各部门来保证产品的SLA（服务质量），控制产品的成本，提高管理的效率，从传统运维转身至SRE，SRE慢慢从后台部门走向前台，从成本部门走向生产力部门，从系统稳定性走向用户稳定性，未来甚至会参与到前端经营，SRE是有数据技术能力的。作为技术运营来说，最重要的是拿到产品运行的各种

数据

运维

监控告警

原创 2023-02-13 14:38:08 264 阅读

大厂SRE管理者要如何设计团队的DevOps自动化体系？

自动化体系在一个技术团队中尤其重要，他代表着效率和未来。在运维团队，我认为SRE自动化的终极目标就是建立一套DevOps体系，能够把所有的运维场景承载下来并全部自动化，全链路的提升SRE的工作效率、解放人力，为此在团队里我提出了自动化的北极星：能自动化的全部自动化。解放人力不是把自己干掉，我认为自动化的本质是改变了运维团队的工作结构，比如原来需要铺在一线人肉处理的事情改为自动化，鼓励SRE多用工具

运维

迭代

运维架构

原创 2023-02-10 17:07:51 242 阅读

心法|SRE如何制定科学有用的流程制度

科学的制定流程制度是非常重要的，好的流程制度能提高生产效率、降低出错，但流程制度用不好是要阻碍创新的，甚至引起工程师的反感和抵触。比如为了减少工程师出错，把工作的每个角落铺满精细的流程制度规范，每个制度事无巨细的几千上万字，无异于对工程师缚手缚脚，大家也背不过来，唯一的用途就是犯了错误追责任：看，有流程制度你不遵守。事无巨细的流程制度，是反人类、反人性的，谁能记得住呢？长期积累下去，组织的能力、效

回滚

运维

变更

原创 2023-01-05 10:00:41 275 阅读

心法|大型互联网系统的告警治理——生死告警

大型互联网系统的服务和指标都是海量的，对应的告警也特别多，即使做了很多的分级和收敛，往往很多小问题依然会触发一堆P0，反应不出产品的真实影响。因为是P0，所以大家都是绷紧神经处理，可能只是几个边缘服务异常抖动，并不影响网民用户，但循环往复，弄的大家很疲惫，长此以往，大家对P0也就不那么敏感了，和狼来了的游戏一样，质量的隐患也就这么埋下了。举例几年前我刚接手小爱、米家的运维时，发现工程师基本是通过告

sre

运维

告警

devops

原创 2022-12-23 22:51:18 509 阅读

心法| 如何高效处理一个大型互联网系统的突发故障？

故障处理troubleshooting是做互联网SRE最心跳的事情，没有之一，也是考验一个SRE是否能够独挡一面的最有效方式。首先它的发生是随机的，完全未知，尤其是大型互联网系统，海量的用户，故障发生后精神高度紧张，要顶着巨大的压力，用最短的时间协同各方制定方案、恢复业务，尤其考验一个人的综合素质。其次，处理期间要面临各种老板、质量部门和未知部门未知人员的盘问，各种客服报过来的用户投诉和催促（PS

系统架构

故障恢复

SRE

故障预案

原创 2022-12-21 10:41:48 266 阅读

体系|大型互联网系统全生命周期的运维管理——你真的了解SRE？

关于SRE和运维体系的文章很多，但大多数学院风浓厚，本文试着从一个出身运维一线SRE管理者的角度进行总结阐述，给你一份可实操接地气的运维体系，所有感悟来自在面向大型、复杂互联网系统的治理时，尤其离不开SRE，当体量上来后，系统的用户量、模块、调用链、指标、主机、域名、4/7层、日志等等都会到一个巨大的级别，甚至还要继续增长，如何保证运维架构的合理、资源和服务管理的有序，如何经营好这些资源，用最低的

运维

调优

数据

原创精选 2022-02-18 10:52:09 1882 阅读

心法|一文吃透SRE故障预案6把刀2.0

故障处理trouble shooting是每个SRE要做的日常，特别是处在快速成长期的大型互联网系统，模块多、变更多、访问量大、用户环境复杂，不就是这坏就是那坏，SRE就像一个医师，需要在故障时协同研发动各种手术去修复系统，常用的修复的方法一般会提前梳理准备好，我们称作预案。经过无数次的故障处理，发觉是有一些不变的套路的，每次故障处理基本都是围绕这几个套路在做排列组合，其中最常用的6个，我把他总结

重启

故障处理

回滚

原创精选 2022-01-15 10:26:38 642 阅读

大型系统的运维要从哪些方面抓起——全面质量管理2.0

一个大型的互联网系统，意味着大用户量、业务模块多、服务器多、各种资源占用多，在拿到一个大型的互联网应用，运维保障工作应该从哪些方面抓起呢？首先还是先看运维的目标，追求更高的SLA、更低的成本。所有事情都是以这个目标为出发点，SLA指更高的服务质量，落实到数据上就是线上服务的可用性和性能，可用性是3个9的时候能不能达到4个9？能不能持续保持4个9？平均响应时间是100ms的时候能不能优化到80ms？

应用运维

运维体系

技术运营

原创精选 2019-10-31 15:46:53 1426 阅读 1点赞

微服务架构下业务单机QPS跑不上去应从哪些角度分析

这是做应用运维老生常谈的一个事儿，经常做，今天把他总结一下。不管什么性质的业务，吞吐量的本质是木桶原理，能跑多大量取决于木桶最短的那个板，脑袋里是不是立刻可以出现木桶的那个模型，哈哈！！换句话说，当有能力提高短板的高度时，业务的吞吐量就会有所上升，但同样有个边际效应，经过多次的优化后，当再次提高短板的成本非常非常大，而付出后提高的量很低时，那就不要较劲了，直接加服务器吧。言归正传，先解释一下单机Q

应用运维

性能分析

微服务

原创 2018-05-29 19:23:47 7144 阅读

大型门户——平台型业务运维优化方法论(高峰日访问10亿)

目前为止，码的最长的一篇总结性博文，将近8000字，希望对同行有所帮助，哈哈！！！我负责的业务是分布式内容管理系统CMS，日访问HITS数在7到10个亿，内容日写入量是5到10万篇。上行内容的写入不面向网民，下行是网民的页面访问和外部系统的HPPT API接口调用，为了能够灵活的应对消峰和业务系统迭代开发等场景，通过微服务的架构设计对系统做了模块

nginx

php-fpm

业务集群

前端业务

大型互联网应用

原创 2016-12-21 18:25:50 882 阅读 3点赞 1收藏

大型互联网应用如何进行流量削峰，应对瞬间请求？

大型互联网应用经常要处理流量高峰问题，这也是我所负责业务经常要面对的事情，比如遇到一个热点事件、策划一个活动或者push一个页面，访问的骤增带来读写流量的骤增，对应每个模块都面临考验，那么有哪些方法可以做到流量削峰或者说流量削峰要从哪几个方面考虑呢，说下我的总结：1、系统基于微服务的架构设计，弹性扩展瓶颈模块服务器资源；2、接入层以及各

集群

互联网应用

削峰

原创 2016-08-26 17:22:59 5100 阅读 1点赞

产品运维角度分析大型互联网应用架构设计与优化的“4要素”

作为一名互联网产品运维，对什么是好的产品（技术架构角度）有自己的感悟（我负责运维的产品高峰日访问量在10个亿，机器分布在全国不同机房，虽也有大小问题，但整体运行不错）。产品运维是一个既要和开发又要和各基础运维打交道的职务，要考虑到结构、扩容、容灾、高可用和优化等各方面的事宜，又要研究产品的逻辑本身（排障时需要），工作中发现，一个好的互联网产品不仅在优秀的代码本身，更体现在后期的易运维

运维

架构优化

大型互联网应用

产品运维

原创精选 2016-07-29 00:02:58 2453 阅读 1收藏

官方博客	全部文章	热门标签	班级博客
了解我们	网站地图	意见反馈

鸿蒙开发者社区	51CTO学堂
51CTO	软考资讯

51CTO博客

大厂SRE体系化实践思考