虽然站点可靠性工程师site reliability engineer（SRE）角色在近几年变得流行起来，但是很多人 —— 甚至是软件行业里的 —— 还不知道 SRE 是什么或者 SRE 都干些什么。为了搞清楚这些问题，这篇文章解释了 SRE 的含义，还有 SRE 怎样关联 DevOps，以及在工程师团队规模不大的组织里 SRE 该如何工作。 ...

构建和运维基础设施组件的要求在许多方面是不同于消费者服务的。一个根本的区别是，基础设施组件有多个客户，而他们通常有很多不同的需求。 Bigtable是一个大型结构化数据分布式存储系统，一些面向消费者的服务数据直接通过它服务用户请求。这样的服务需要很低的延迟和较高的可靠性。其他团队则把 B ...

决定一项服务的合理可用性目标时，成本是很重要的考虑因素。 服务就能很好地体现出这种取舍，因为成功与失败直接通过赢利和亏损体现。在为每一项服务确定可用性目标时，可以考虑如下的问题∶ ●构建和运维可用性再多一个"9"的系统，收益会增加多少? ● 额外的收入是否能够抵消为了达到这一可靠性 ...

对于某个Google服务而言，服务的可用性目标通常取决于它提供的功能，以及这项服务在市场上是如何定位的。下面列出了要考虑的一些问题∶ ● 用户期望的服务水平是什么? ● 这项服务是否直接关系到收入（我们的收入或我们的客户的收入）? ● 这是一个有偿服务，还是免费服务? ● 如果市场上有竞争对 ...

如何辨别服务的风险容忍度?在一个正式的环境或安全关键的系统中，服务的风险容忍度通常是直接根据基本产品或服务的定义建立的。在 Google内部，服务风险容忍度往往定义得没有那么清楚。 为了辨别服务的风险容忍度，SRE 必须与产品负责人一起努力，将一组商业目标转化为明确的可以实现的工程目标。这 ...

可观测性系统 在任何有一定规模的企业内部，一旦推行起来整个SRE的运维模式，那么对于可观测性系统的建设将变得尤为重要，而在整个可观测性系统中，通常我们会分为如下三个方面： [*]指标监控：即各种指标监控，比如基础资源指标，服务性能指标，业务的调用指标。 [*]日志：各种设备以及服务的 ...

连接到iTop 目的：当过时的数据开始代表比活动的数据大得多时，改进搜索性能。 启用存档 默认情况下，任何类都不启用它。它只能在数据模型的根类（如FunctionalCI，联系人，工单）上激活。有关详细信息，请参见XML引用。 允许类的对象进行归档在用户界面上没有直接的影响度，直到一个模块将 ...

Google 标准做法是通过一个客观的指标来体现一个待优化的系统属性。通过设立这样一个目标，我们可客观地评价目前的系统表现以及追踪一段时间内的改进和退步。对于服务风险而言，将所有的潜在因素缩减为一个单一的性能指标，可能不是一件能够立刻解决的事情。服务故障可能会有很多潜在的影响，包括用户 ...