nexus/sreweekly/markdown/219/04-operations-in-the-cloud-zh.md

在"云"中运维

• 期号: SRE Weekly Issue #219（2020-05-17）
• 作者: Bill Duncan
• 链接: https://billduncan.org/operations-in-the-cloud/

简介

这里的"云"指的是真正的云，天上飘的那种。这篇文章是对航空与 SRE 两个领域概念的比较，两者有相当大的重叠。

正文

作为一名 SRE，我很幸运接受过飞行员训练。系统运维和飞行之间有很多相似之处。

• 飞机内置了大量冗余，减少了单点故障（SPOF）的数量。
• 起飞前在地面进行绕机检查（walkaround），以消除许多潜在的空中故障。
• 例行使用检查清单，确保不遗漏任何项目。参见 Checklists and Runbooks
• 起飞前在地面进行发动机试车，以验证发动机性能令人满意。（想想金丝雀发布）
• 离开地面（进入生产环境）之前，会预先讨论紧急处置程序。
• 教员经常在空中做些"混沌工程"实验。在一次训练中，他们会突然收油门（或搞点别的花样），看看学员如何应对发动机失效、起火、仪表故障等情况。
• 面对紧急情况，第一反应永远是"把飞机飞好"（fly the plane）。调整姿态寻求"最佳滑翔"（best glide）以减轻故障影响。只有这之后，你才能着手去尝试修复根源或进行沟通。

在"云"中飞行

内耳和直觉根本无法感知缓慢的姿态变化。

飞行教员会向学员演示这一点：让他们在"蒙眼"状态下——戴着遮罩——尝试"保持平直水平飞行"。学员既看不到舱外，也看不到仪表。大约 20-30 秒后，教员会让你摘下遮罩并恢复飞行。无一例外，你会发现飞机已经进入俯冲，而你浑然不知。

在"云"中运维——无论是真在空中飞行，还是在你看不见、摸不着、感觉不到的数据中心里运维一大群实例——你必须依赖你的仪表。光靠直觉行不通。如果没有来自可信的仪表和告警的实时态势感知，重力会过早地在"云"中占据上风。

关于《在"云"中运维》的 1 条评论

评论已关闭。