1.1 KiB
1.1 KiB
title, type, tags
| title | type | tags | |||
|---|---|---|---|---|---|
| SRE | concept |
|
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