SRE

SRE 理念最初由 Google 提出并实践。随着互联网的快速发展和数字化转型的加速，SRE 的方法和理念在全球范围内的科技企业中得到了广泛的关注和应用。它的出现是为了解决大规模分布式系统的可靠性、稳定性和高效运维问题。

SRE 的全称是 Site Reliability Engineering，SRE 是一种以可靠性为核心的工程实践，它通过自动化、可观测性、稳定性优先和持续改进等原则，确保大规模分布式系统的可靠运行。SRE 团队需要具备扎实的技术技能和良好的软技能，与开发团队紧密合作，共同推动业务的发展。

运维工程师（SRE）必须掌握的技能有哪些？

运维工程师、SRE，应该掌握哪些技能才算合格？

运维工程师（SRE）必须掌握的技能有哪些？

Posted by 巴辉特 on 2024-07-18 05:06:10

SRE

SRE接手新业务首要工作：运维准入测试

如果接手的是一坨随时可能散架的破车，就算SRE有通天之能，也很难通过运维手段给变成布加迪威龙。接手的时候一定要做好准入测试！很多公司会有运维准入规范，但是通常缺少运维准入测试，导致了后续诸多背锅问题。

Posted by 秦晓辉@快猫星云 on 2023-03-24 05:06:10

他山之石可攻玉 SRE

稳定性保障8个锦囊，建议收藏！

稳定性保障，是一切技术工作的出发点和落脚点，也是 IT 工作最核心的价值体现，当然也是技术人员最容易“翻车”的阴沟。8个稳定性保障锦囊，分享给各位技术人员择机使用。

稳定性保障8个锦囊，建议收藏！

Posted by Flashcat技术 on 2023-10-09 00:00:00

Flashcat方法 SRE

如何采用 SRE 实践（当你不是 Google 时）

Site reliability engineering (SRE) 并不是一个新的术语或实践。在把 SRE 定义为一个职位名称之前，把软件工程技能和原则应用到运维领域早就已经付诸实践了。在组织层面落地 SRE，用更加积极主动的方式来构建和维护软件，可以推动一些方面的长期成功，比如提升运维效率、数据驱动的路线规划、整体稳定性达成。正是由于 SRE 的广泛采用，我们才得以获得这些优势。

如何采用 SRE 实践（当你不是 Google 时）

Posted by JEMIAH SIUS on 2023-05-04 04:06:10

Flashcat方法 SRE

实施 SLA、SLO 和 SLI：SRE 实用指南

探索相关术语定义以及 SLA、SLO 和 SLI 如何帮助有效监控和维护系统性能。

Posted by Karthigayan Devan on 2024-07-23 16:10:10

SLA SLO SLI SRE

排查 502 Bad Gateway 的常见思路

浏览器侧看到请求超时，status code 502，即 bad gateway，可能的原因有哪些呢？本文从 SRE 视角给一些常见的排查思路

排查 502 Bad Gateway 的常见思路

Posted by 巴辉特 on 2024-04-24 00:08:08

他山之石可攻玉 SRE TroubleShooting

写了一个 SRE 调试工具，类似一个小木马

远程操作机器有时会比较麻烦，我写了一个工具，主要功能：1.远程执行命令 2.上传下载文件 3.打印 HTTP 请求

写了一个 SRE 调试工具，类似一个小木马

Posted by 巴辉特 on 2024-04-10 00:08:08

SRE

Google SRE 的 on-call 方法和工具

我们熟知的 Kubernetes 是 Google 内部容器编排工具 Borg 的开源实现，Prometheus 是 Google 内部监控工具 Borgmon 的开源版本。那么 Google 内部的 OnCall 工具 Outalator 有没有相关的产品呢？

Google SRE 的 on-call 方法和工具

Posted by Flashcat on 2023-12-26 08:00:00

他山之石可攻玉 SRE Google OnCall Flashduty

SRE Google 运维解密读书笔记三：服务质量目标

SRE 首要任务是制定并推动达成 SLO，本文介绍 SLO 的相关实践。成为 SRE 第一步：搞定 SLO，协助制定、推动达成！

SRE Google 运维解密读书笔记三：服务质量目标

Posted by 秦晓辉@快猫星云 on 2023-05-26 01:00:00

他山之石可攻玉 SRE Google

SRE Google 运维解密读书笔记二：拥抱风险

不可能有 100% 的服务可用性，也没有必要做到 100% 的服务可用性。如何度量风险，如何制定 SLO，如何提升稳定性，如何权衡成本和产出

Posted by 秦晓辉@快猫星云 on 2023-05-25 01:00:00

他山之石可攻玉 SRE Google

SRE Google 运维解密读书笔记一：SRE 方法论概述

SRE Google 运维解密，是 SRE 领域的启蒙之作，讲述了 Google 的 SRE 实践，SRE 就是从 Google 流传出来的。本文是读书笔记，第一篇，概述 SRE 方法论

Posted by 秦晓辉@快猫星云 on 2023-05-17 01:00:00

他山之石可攻玉 SRE Google

可观测性三支柱？远不止此！

日志，指标和分布式链路追踪这三个可观测性的传统支柱，已经是过时的，过于关注数据采集和底层数据格式，而不去关注结果（我们建设可观测性的初心和目标），这个做法实在是滑天下之大稽

Posted by Martin Mao on 2023-05-12 08:08:08

Flashcat方法 SRE 可观测性

LinkedIn：扩展 Salt 以解决大规模机器命令执行需求

LinkedIn 有几十万机器，每天执行 15000+ 个任务，任务下发使用的是 Salt，但是做了很多改造。

LinkedIn：扩展 Salt 以解决大规模机器命令执行需求

Posted by Himanshu Chandwani on 2023-04-23 09:06:10

他山之石可攻玉 LinkedIn SRE Salt

面试 LinkedIn SRE 是一种怎样的体验？

LinkedIn 作为世界前十大流量的网站，为海量的求职者和雇主提供了建立连接的机会。维护如此庞大的网站的稳定运行，SRE 功不可没，LinkedIn 会如何招聘 SRE 工程师呢？

面试 LinkedIn SRE 是一种怎样的体验？

Posted by 译文 on 2023-04-23 08:06:10

他山之石可攻玉 LinkedIn SRE

SLICK: Facebook基于SLO的可靠性保障实践

定义服务的SLI和SLO，通过全局系统呈现、处理所有服务的SLI/SLO，从而帮助SRE实践在系统中的落地。本文介绍了Facebook（Meta）在这方面的实践。原文：SLICK: Adopting SLOs for improved reliability

SLICK: Facebook基于SLO的可靠性保障实践

Posted by A Posten, Dávid Bartók, Filip Klepo, Vatika Harlalka on 2023-04-19 20:06:10

他山之石可攻玉 SRE SLO

最新博客

1. PromQL教程（二）Prometheus 数据类型

2024-09-30 12:33:36

2. 科普：告警级别有哪些？如何划分？

2024-09-30 10:33:36

3. PromQL教程（一）初识 PromQL

2024-09-29 14:08:18

4. 科普：理解指标、监控与告警

2024-09-29 10:28:27

5. 科普：什么是告警？

2024-09-28 10:10:38

6. 科普：什么是智能化运维监控系统？如何设计及实现？

2024-09-27 09:46:46

7. 夜莺的机器支持挂载到多个业务组了

2024-09-26 15:26:53

8. 科普：运维监控系统概念及用途

2024-09-26 10:29:36

9. Apache Web Server 如何监控

2024-09-25 12:50:10

10. 科普：如何理解Oncall？Oncall有什么注意事项？

2024-09-25 10:01:40

快猫星云联系方式

快猫星云联系方式

快猫星云联系方式

快猫星云Email

申请技术交流产品试用

快猫星云

开源版

Nightingale

Categraf

Flashcat

企业版

Flashduty

SaaS版

文档中心

下载中心

视频中心

开发者中心

话题中心