站點可靠性(xing)描述了應用(yong)程序(xu)提供給(gei)最終用(yong)戶后的穩定(ding)性(xing)和服(fu)務質量。如果未(wei)發現技術問題(ti)，軟(ruan)(ruan)件維(wei)護有時(shi)會影響軟(ruan)(ruan)件的可靠性(xing)。例如，當開(kai)發人員進行新(xin)的更改時(shi)，可能會無意中影響現有應用(yong)程序(xu)，并導致(zhi)軟(ruan)(ruan)件在某些使(shi)用(yong)案例中崩潰(kui)。

以下是站點可(ke)靠性工程 (SRE) 實踐的一些好處(chu)。

改善了

SRE 改善了(le)開發(fa)和運(yun)營(ying)團隊之間(jian)的協作(zuo)。開發(fa)人員(yuan)通常必須(xu)對應用(yong)(yong)程序進行快速更(geng)改，以發(fa)布新(xin)功能(neng)或修復(fu)關鍵錯誤(wu)。另一方面，運(yun)營(ying)團隊必須(xu)確保服務無(wu)縫交付。因(yin)此，運(yun)營(ying)團隊需要使用(yong)(yong) SRE 實踐來(lai)密(mi)切監控每一次(ci)更(geng)新(xin)，并及時響應因(yin)變(bian)更(geng)而出現的任何問題。

客戶體驗增強

組織使(shi)用(yong) SRE 模型來確保軟件錯誤(wu)(wu)不會(hui)影(ying)響客(ke)戶體驗。例如，軟件團隊使(shi)用(yong) SRE 工具來實現軟件開(kai)發生命(ming)周期自動化。這樣可以(yi)減少錯誤(wu)(wu)，意味著團隊可以(yi)將(jiang)新功能開(kai)發優(you)先于漏洞(dong)修復。

操作規劃得到改進

 SRE 團隊接(jie)受軟件失敗的現實可能性。因此，團隊需要計(ji)劃適當的事故(gu)響應，以盡量減少停機時間對(dui)業(ye)務和最終用戶的影響。其還可以更(geng)好地估計(ji)停機成(cheng)本，并了解此類事故(gu)對(dui)業(ye)務運營的影響。 

可觀察性(xing)(xing)(xing)過程是指當軟(ruan)件(jian)為(wei)最(zui)終用(yong)戶投入使(shi)(shi)用(yong)時(shi)，軟(ruan)件(jian)團(tuan)隊(dui)為(wei)不確定性(xing)(xing)(xing)所(suo)做(zuo)的(de)準備。站點可靠性(xing)(xing)(xing)工(gong)程 (SRE) 團(tuan)隊(dui)使(shi)(shi)用(yong)工(gong)具來檢測(ce)軟(ruan)件(jian)中的(de)異(yi)常行為(wei)，更重要(yao)的(de)是，收集(ji)有助于(yu)開(kai)發人員了解問題原因的(de)信息。可觀察性(xing)(xing)(xing)涉及使(shi)(shi)用(yong) SRE 工(gong)具收集(ji)以(yi)下(xia)信息。 

指標 

指標是指反(fan)映應(ying)用(yong)程序性(xing)能或系統運(yun)行狀況的可量(liang)化值。SRE 團隊使用(yong)指標來(lai)確定軟(ruan)件是否消耗過(guo)多資源或行為異常。

日志

SRE 軟件會生成詳細的、帶有時間(jian)戳的信(xin)息(xi)，稱(cheng)為日志，以響應特(te)定(ding)事(shi)件。軟件工(gong)程師使用日志來了(le)解導致(zhi)特(te)定(ding)問題的事(shi)件鏈。 

軌跡 

軌(gui)跡是對分布(bu)式系(xi)統中(zhong)特定函(han)數的代碼路徑的觀察。例如，訂單在購(gou)物車(che)結賬可能涉及以(yi)下步驟：

• 與數據庫核對價格
• 使用支付網關進行身份驗證
• 向供應商提交訂單

軌跡由 ID、名(ming)稱(cheng)和時間組(zu)成(cheng)。可以幫(bang)助軟(ruan)件(jian)開發人員檢測延(yan)遲問題并提(ti)高軟(ruan)件(jian)性(xing)能。 

站(zhan)點可靠性(xing)工程 (SRE) 團隊使用(yong)以下指標衡量(liang)服務交付質量(liang)和可靠性(xing)。 

服務水平目標

服務水平目(mu)標(biao)(biao) (SLO) 是具體的(de)、可(ke)量化的(de)目(mu)標(biao)(biao)，您(nin)確信軟(ruan)件能夠以(yi)與其他指(zhi)標(biao)(biao)相比合理的(de)成(cheng)本實現這些目(mu)標(biao)(biao)，例如： 

• 正常運行時間或系統運行的時間
• 系統吞吐量
• 系統輸出
• 下載速率或應用程序加載的速度

SLO 承諾通過軟件向客(ke)戶(hu)交(jiao)付。例如，您(nin)為公司的食(shi)品配(pei)送應用(yong)程序(xu)設(she)置了 99.95% 的正常運行時(shi)間(jian) SLO。

服務水平指標

服務(wu)水平指標 (SLI) 是 SLO 定(ding)義的(de)(de)(de)指標的(de)(de)(de)實際度量(liang)。在(zai)現實生活中，您(nin)可能會(hui)得(de)到與(yu) SLO 匹配或不同(tong)的(de)(de)(de)值。例(li)如，您(nin)的(de)(de)(de)應(ying)用程序 99.92% 的(de)(de)(de)時間處(chu)于啟(qi)動和(he)運行狀態，低于承諾的(de)(de)(de) SLO。 

服務水平協議

服務水(shui)平協議 (SLA) 是法(fa)律文(wen)件，說(shuo)明當一個或(huo)多個 SLO 未滿足時會發生什么。例(li)如，SLA 規定，技術(shu)團隊將在收(shou)到報(bao)告后的 24 小(xiao)時內(nei)解決客(ke)戶的問(wen)題(ti)。如果您的團隊無法(fa)在指定期限內(nei)解決問(wen)題(ti)，您可能有義務向客(ke)戶退款(kuan)。

錯誤預算

誤差(cha)(cha)預算是指 SLO 的不合(he)規公(gong)差(cha)(cha)。例(li)如，SLO 中(zhong) 99.95％ 的正(zheng)常運行時間(jian)(jian)意味(wei)著允(yun)許的停機(ji)時間(jian)(jian)為(wei) 0.05％。如果軟件停機(ji)時間(jian)(jian)超過(guo)錯誤預算，軟件團隊將投入(ru)所有資源和精力(li)來穩定應用程(cheng)序。

站(zhan)點可靠(kao)性(xing)(xing)工程師(shi)是(shi)(shi)指使用自動化工具監控(kong)和(he)(he)觀察生產環境(jing)中的軟件可靠(kao)性(xing)(xing)的 IT 專家。站(zhan)點可靠(kao)性(xing)(xing)工程師(shi)在發現軟件中的問題和(he)(he)編(bian)寫代碼(ma)來解決這些問題方面也(ye)很(hen)有(you)經驗。其通常是(shi)(shi)具有(you)良(liang)好編(bian)碼(ma)技能(neng)的前(qian)系統(tong)管理員(yuan)或操作工程師(shi)。以下是(shi)(shi)一(yi)些站(zhan)點可靠(kao)性(xing)(xing)職責。

運維

站點可靠性(xing)工(gong)程師將多(duo)達一半的時間用于運維工(gong)作(zuo)。這其中包括多(duo)個(ge)任務，例如： 

• 緊急事故響應
• 變更管理
• IT 基礎設施管理

工程師使用 SRE 工具自動執行多項運(yun)營任務并(bing)提高(gao)團(tuan)隊效率。

系統支持

站(zhan)點(dian)(dian)可(ke)靠性工(gong)程(cheng)師與開發團(tuan)隊密切(qie)合作(zuo)，以創建(jian)新(xin)功能并穩定生產系統(tong)。站(zhan)點(dian)(dian)可(ke)靠性工(gong)程(cheng)師為(wei)整個軟件團(tuan)隊創建(jian)一個 SRE 流程(cheng)，并隨時支持升級問題(ti)。更重要(yao)的是，站(zhan)點(dian)(dian)可(ke)靠性團(tuan)隊會向客(ke)戶支持部門提供成文的程(cheng)序，以幫助其有效(xiao)處理投訴。 

流程改進

站點可靠性工(gong)程師(shi)通(tong)過舉行(xing)事故后(hou)評審來改(gai)進軟件(jian)(jian)開發生命周期(qi)。SRE 團隊(dui)在共享(xiang)的知識庫(ku)中記錄(lu)所有軟件(jian)(jian)問(wen)題和相(xiang)應(ying)的解決(jue)方案。這有助于軟件(jian)(jian)團隊(dui)在未來有效地應(ying)對(dui)類(lei)似(si)問(wen)題。