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。

SRE接手新业务首要工作：运维准入测试

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

他山之石可攻玉 SRE

最佳实践：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。

最佳实践：稳定性保障8个锦囊，建议收藏！

Posted by 快猫技术 on 2023-10-09 00:00:00

Flashcat方法最佳实践 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方法快猫点评 SRE

从症状到解决方案：排查 Java 内存泄漏与内存溢出错误

本文介绍了如何识别和排查 Java 应用中的内存泄漏和内存溢出错误，提供了实用的技巧和工具，帮助工程师快速定位并解决内存相关问题。

从症状到解决方案：排查 Java 内存泄漏与内存溢出错误

Posted by Ram Lakshmanan on 2025-12-10 09:26:27

他山之石可攻玉 SRE TroubleShooting

给首次担任专家级 SRE（网站可靠性工程师）的几点建议

本文分享了首次担任专家级 SRE 的一些建议，涵盖了思维模式的转变、团队协作、技术领导力等方面，帮助新晋专家级 SRE 更好地适应角色并推动系统可靠性。

给首次担任专家级 SRE（网站可靠性工程师）的几点建议

Posted by 译文 on 2025-12-08 14:45:33

SRE

在 Kubernetes 中构建统一的 OpenTelemetry 流水线

通过 OpenTelemetry 在 Kubernetes 集群中实现指标、日志和追踪数据的统一流水线，提升可观测性和故障排查效率。

Posted by 译文 on 2025-11-17 11:43:27

OpenTelemetry Kubernetes 可观测性 SRE

SRE 实践真经：可观测性、SLOs、Runbooks 与事故报告

本文聚焦于将可观测性转化为可靠性的人员体系，介绍如何定义能指导决策的 SLO、构建可扩展团队知识的运行手册、设计能推动改进的结构化事后分析，以及如何将这些实践融入工程文化。

Posted by fatihkoc on 2025-11-14 16:14:48

SRE

Kafka集群故障排除：常见问题及解决方案

本文介绍了在管理Kafka集群时常见的问题及其解决方案，帮助运维人员快速定位和解决Kafka相关故障。

Posted by Sean Riley on 2025-10-22 08:47:44

他山之石可攻玉 SRE TroubleShooting Kafka

Elasticsearch 常见问题排查方法

Elasticsearch 本身是一款复杂的软件，而当你启动多个实例以形成集群时，其复杂性会进一步增加。这种复杂性伴随着出现问题的风险。在本节课中，我们将探讨一些你在 Elasticsearch 使用过程中可能会遇到的常见问题。

Elasticsearch 常见问题排查方法

Posted by 译文 on 2025-10-21 10:40:27

他山之石可攻玉 SRE TroubleShooting Elasticsearch

NetFlix SRE 实践

这是来自 NetFlix 的 CORE 团队的 SRE 工程师 Hank Jacobs 分享的 NetFlix SRE 实践，介绍了 NetFlix CORE 团队的职责、工作方式以及他们如何确保 Netflix 服务的稳定性和可靠性。

Posted by Hank Jacobs on 2025-08-11 14:24:55

NetFlix SRE

掌握这些能力，工资翻倍不成问题

想要在 SRE 职业生涯中实现工资翻倍？本文将介绍 SRE 需要掌握的关键能力，从硬核技术到跨团队协作，帮助你在竞争中脱颖而出。

Posted by 快猫运营团队 on 2025-07-16 20:42:29

运维 SRE

大厂出手了，微软推出 SRE agent 做故障定位

Azure SRE Agent 是一款 AI 驱动的工具，可以更轻松地维持生产云环境。它有助于快速有效地响应事件，减轻管理生产环境的工作量。

大厂出手了，微软推出 SRE agent 做故障定位

Posted by 译文 on 2025-06-06 09:03:04

SRE Azure AI

如何处理复杂系统 - 我在 Google 工作时学到的

在 Google 工作时学到的关于复杂系统的经验和处理方法。

Posted by Teiva Harsanyi on 2025-05-26 14:15:40

SRE

运维想转SRE？先了解这7个原则

SRE （站点可靠性工程）是一种将运维问题视为软件问题的方法。本文介绍了 SRE 的七项原则，帮助运维人员转型为 SRE 专家。

Posted by 译文 on 2025-05-26 08:33:50

SRE

最新博客

1. Prometheus 进阶函数 info 来了，苦 join 久已啊

2025-12-25 19:06:10

2. 记一次被社区用户逼着修Bug经历

2025-12-25 09:46:28

3. 排查 Flashduty monitor 监控告警 - 数据不符合预期的场景

2025-12-19 21:58:45

4. 夜莺监控：机器告警配置详解

2025-12-16 12:28:55

5. 夜莺监控常见问题 FAQ 一览

2025-12-15 14:29:16

6. Categraf 监控采集器常见问题汇总

2025-12-15 14:22:18

7. SRE 踩坑记：JVM 暂停竟然是因为日志

2025-12-15 12:01:23

8. 从症状到解决方案：排查 Java 内存泄漏与内存溢出错误

2025-12-10 09:26:27

9. 给首次担任专家级 SRE（网站可靠性工程师）的几点建议

2025-12-08 14:45:33

10. 怎么记日志才算专业，SRE、DEV 都应该了解的实践指南

2025-12-05 16:14:09

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

On-call

RUM

控制台

API

文档中心

下载中心

视频中心

开发者中心

话题中心