"O objetivo do SRE é um sistema confiável." Visão geral das métricas básicas de SRE

Site Reliability Engineering (SRE) é uma forma de implementação de DevOps. A abordagem SRE se originou no Google e se tornou popular entre as empresas de TI do setor alimentício depois que o livro de mesmo nome foi publicado em 2016.

Neste artigo, descreveremos como a abordagem SRE se relaciona com DevOps, quais tarefas um engenheiro de SRE resolve e quais métricas ele cuida.

De DevOps para SRE

Em muitas empresas de TI, o desenvolvimento e as operações são realizados por equipes diferentes com objetivos diferentes. O objetivo da equipe de desenvolvimento é lançar novos recursos. O objetivo da equipe de operações é manter recursos novos e antigos funcionando na produção. Os desenvolvedores se esforçam para entregar o máximo de código possível, os administradores de sistema se esforçam para manter o sistema confiável.

Os objetivos das equipes são conflitantes. Para resolver essas contradições, a metodologia DevOps foi criada. Envolve reduzir silos, aceitar erros, confiar na automação e outros princípios.

, , DevOps . « DevOps?». , , .

2016 , Google «Site Reliability Engineering». DevOps. SRE-, IT-.

DevOps — . SRE — . DevOps — , SRE — , DevOps.

SRE-

SRE , DevOps .

, , SRE . , - . , SRE .

SRE — . , , — .

, SRE , , . - : « — ». , . SRE . , , . , .

. , , . , .

SRE . , SRE : «OK, , , ». , , , .

• — , .
• — , . , .

SRE , -, . SRE ( , ).

SRE , - .

, SRE . , -. — .

: SLA, SLI, SLO

. — , .

SRE , . , (, . .) , .

- — Service-Level Objective (SLO). , .

SRE , . « , . , , SLO», Google. — , , .

, — Service Level Indicator (SLI). , , , — .

SLO SLI — , . Service Level Agreement (SLA). .

SLA: 99,95% ; 99 ; 85% 1,5 .

100%

SRE , . , .

, «»:

• — 99%,
• — 99,9%,
• — 99,99%,
• — 99,999%.

— 5 , — 3,5 .

, 100%, . - ROI — .

, . ! 47 . . .

. 99,99% 99,999%, 99%. , 10 8 . , .

— MTBF MTTR

, SRE : MTBF MTTR.

MTBF (Mean Time Between Failures) — .

MTBF . SRE «!». , SRE - , , .

MTTR (Mean Time To Recovery)— ( ).

MTTR SLO. SRE . , SLO 99,99% , , 13 3 . 13 , «» , SLO .

13 — , . 7-8 , — . MTTR , .

SRE , MTTR, SLO , , .

, . , , :

, SRE. , SRE , , , , . , , .

, 100% , , , — , - «» .

SLO. SLO (Error budget).

SRE.

43 , 40 , : SLO, . , -.

, . SRE Error budget :

• , ,
• ,
• ,
• .

, Error budget . .

«» : SRE, . , , . SRE .

— SRE . Netflix Chaos Engineering.

Netflix Chaos Engineering: Chaos Monkey CI/CD ; Chaos Gorilla AWS. , SRE , — , . , .

Chaos Engineering :

1. , , ( ).
2. , . — : , .
3. , , , CI/CD- .

Post mortem

SRE blameless postmortem, , .

, 13 , 15. ? SRE, ; -, ; , , SLA . , , - . .

, , SLO. SRE — . , , .

:

• — (« !»);
• — (« - , , »);
• — , («, , , »).

SRE , , , , . .

(Observability). , , , .

: , , . : , - Kubernetes, , .

Observability MTTR. Observability , , , MTTR.

SRE

SRE , , , . SRE , . , . , .

SRE , , . . — (, ). , , , .

SRE : SLO, SLI, SLA . , SLA SLO. . , , .

, , — , . Error budget, , .

SRE. , .

SRE Google:

Site Reliability Engineering

The Site Reliability Workbook

Building Secure & Reliable Systems

:

SRE

SLA, SLI, SLO

Chaos Engineering Chaos Community Netflix

200 SRE

SRE ():

Keys to SRE

SRE

SRE

SRE

, — . , - SRE . 11–13 2020.

SLO, SLI, SLA, , , .

SLO: , , , DoS-. , Error budget, , .