---
title: "SRE"
type: concept
tags: [sre, devops, reliability]
---

## Definition
SRE（Site Reliability Engineering，站点可靠性工程）是一种将软件工程方法应用于运维问题的实践，旨在创建高度可靠和可扩展的系统。

## Core Practices
- **SLI/SLO/SLA**：服务水平指标/目标/协议
- **错误预算**：允许的故障配额，用于平衡创新与稳定性
- **Postmortem（事后分析）**：不追究责任的故障复盘，提取学习教训
- **Toil Reduction**：减少重复性手工运维工作

## Key Metrics
- **MTTR**（Mean Time To Recovery）：平均恢复时间
- **MTTF**（Mean Time To Failure）：平均故障间隔时间
- **可用性目标**：通常为 99.9%（三个九）到 99.99%（四个九）

## Related Entities
- [[AI SRE]] — 使用 AI 自动化 SRE 任务的工具

## Related Concepts
- [[DevOps]] — 结合开发与运营实现持续软件交付的方法论
- [[混沌工程]] — 主动测试系统韧性的实践方法
- [[无责复盘]] — 不追究个人责任，聚焦问题本质的失败分析方法