自动化程序的不同体现在三个方面∶ ● 能力，即准确性。 ● 延迟，开始执行后，执行所有步骤需要多久。 ● 相关性，自动化所涵盖的实际流程比例。 最开始，我们的流程有如下特点∶能力强（由服务的所有者维护和运行）、高延迟（服务拥有者在他们的业余时间执行流程或者分配给新工程师来做），并 ...

"一周内上线"是一个很恐怖的任务。我们目前有十几个团队编写出的几万行的shell脚本。虽然我们能够快速分析任何一个集群的问题所在，但是修复它意味着十几个团队不得不提交数百个Bug，接着我们就只能希望这些Bug 能被及时地解决。 我们意识到，从"Python 单元测试发现错误配置"到"Python代码修复错误 ...

十年前，集群基础设施 SRE 团队似乎每隔几个月都要雇用新人。事实上，大约与我们新集群上线的频率相同。因为在新集群中启动新的服务能够让新员工接触到服务内部的信息，这个任务似乎是一个自然的和有效的培训工具。 为使一个集群达到可用状态所需采取的步骤如下∶ 1. 给数据中心大楼装配电源和冷却 ...

很长一段时间以来，Google的 产品将数据存储于一个MySQL 数据库中。因为 数据显然需要很高的可靠性，一个SRE 团队负责管理那些基础设施。从2005 年到 2008 年，我们认为 数据库基本是在一种成熟的和可管理的状态下运行的。例如，我们已经将标准副本替换流程的常规工作中最糟糕的部分自动化掉了，但是没 ...

虽然所有这些自动化步骤都是有价值的，同时自动化平台本身也是很有价值的。在一个理想的世界里，我们不需要任何平台之外的自动化进程。事实上，构建一个完全不需要胶合逻辑的系统要比有一个依赖外部的胶合逻辑的系统更好，不仅仅是因为内部化效率更高（尽管这样的效率提升很有价值），而是因为设计中将 ...

在运维行业中，自动化这个术语一般用来指代通过编写代码来解决各种各样的问题。尽管写这些代码的动机以及最终产生的解决方案本身往往区别很大。更广泛地说，在这一观点中，自动化是"元软件"，也就是操作其他软件的软件。 正如我们之前暗示的，自动化有许多用例。下面是一个非详尽的例子列表∶ ● ...

所有上文提到的这种益处和弊端对 SRE来说也同样适用，Google更倾向于自动化。我们对于自动化偏爱部分来自于Google特有的业务挑战∶Google的产品和服务是全球部署的，而我们通常也没有时间和其他组织一样手动运维系统。对于真正的大型服务来说，一致性、快速性和可靠性这些因素主导了大多数有关自动化的 ...

"黑科技"之外，就只剩自动化和机械化了。—Federico Garcia Lorca（1898-1936），西班牙诗人和剧作家 对于SRE而言，自动化是一种力量倍增器，但不是万能药。当然，对力量的倍增并不能改变力量用在哪的准确性∶草率地进行自动化可能在解决问题的同时产生出其他问题。因此，虽然我们认为在大多数情况下 ...