分布式系统监控中的数据聚合 《SRE》这本书有两章讲监控分布式系统，分别是第 6 章《Monitoring Distributed Systems》和第 10 章《Practical Alerting from Time-Series Data》。第 6 章讲的是原则，第 10 章讲了一些 Borgmon 的使用细节，题图来自这一章。本文想具体谈谈监控数据的聚合，这 ...

话题1：Gartner 2019 年「基础设施和运维」十大趋势 1. “I&O变得比以往任何时候都更深入地参与到现代企业前所未有的领域。I&O领导者关注的重点不再仅仅是交付工程和运维，而是交付支持和实现企业组织业务战略的产品和服务。问题已经变成‘我们如何利用AI、网络自动化或边缘计算等能力， ...

话题1：您认为的运维的定位/目标是什么？ 1. 之前听过一位前辈说，他心目中的运维，是关注于基础设施可用度上，让应用的归应用，研发自己运维应用，真正的运维是运维基础设施。 2. 运维团队必须保障业务运行环境的可靠性，稳定性及易用性。现在业务开发团队，运维团队都是具有开发能 ...

Google SRE：起源 一、世界上第一个SRE专注于参与阿波罗登月计划的MIT教授Margaret Hamilton 二、Apollos计划中的SRE Apollo 7 飞船研发事故的启发： 1、类似的情况不断发生 2、对于细节的不懈关注 3、做好充足的灾难预案和准备工作 4、时刻警惕 5、不放弃一切机 ...

感谢Liufeng绘制本脑图 谷歌SRE起源与基本概念 谷歌SRE的实践总结 SRE对企业和团队的价值

SRE介绍了通过自动化、工作方法和组织重组的混合措施来提高服务可靠性的一系列实践。雅菲奥朗作为国内首家SRE认证培训和考试官方授权机构，最新推出的SRE Foundation是为那些关注大规模服务可用性的学员量身定制的课程。 课程天数：2天 一、课程简介： SRE（Site Reliabil ...

传统行业运维模式 • 系统管理员 (Sysadmin) • 将现成的组件组装、部署为服务 • 响应事件与更新 • 随着服务规模增长，团队规模也随之扩张 • 优势 • 劣势 • Ben Treynor Sloss • 资深研发负责人 • 2003 年加入 Google 组建 7人“生 ...

• 生产线管理员 • Ensure user-visible uptime and service quality • Authority over production environment. • 跟网站一起成长 • Steep learning curve, mostly due to complexity • Continuous retraining, sites always being improved • 基础 ...