4.8 KiB
title, type, source-type, category, tags, date-added, video-source, audio-source, transcript-source, status
| title | type | source-type | category | tags | date-added | video-source | audio-source | transcript-source | status | |||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| CTP Topic 30 Managing change | cloud-learning | video | DevOps & SRE/10_OpenText-Series |
|
2026-04-14 | nas:///volume2/work/Public Cloud Learning Sessions/CTP _ Topic 30_ Managing change.mp4 | /volume2/work/Public Cloud Learning Sessions/CTP _ Topic 30_ Managing change.mp3 | /volume2/work/Public Cloud Learning Sessions/CTP _ Topic 30_ Managing change.txt | summarized |
CTP Topic 30 Managing change
Source: NAS /volume2/work/Public Cloud Learning Sessions/CTP _ Topic 30_ Managing change.mp4
Type: VIDEO | Category: 10_OpenText-Series
Status: ✅ 已完成
讲者: Brendan Starnig (SRE Function Lead, Platform Engineering)
摘要
本次分享是 SRE 职能负责人 Brendan Starnig 主持的"变更管理"专题，目标是统一 Cloud Transformation Program 中各团队对变更流程的认知，厘清 SRE 与支持团队的协作边界。核心内容包括：
SRE 本质：SRE 是用软件工程思维解决运维问题，任何重复性工作都应自动化，核心职责涵盖可用性、延迟、性能、变更管理、监控、应急响应、容量规划。SRE 与 DevOps 的关系是"SRE 是 DevOps 的特定实现并有所扩展"。
变更分类：Standard Change（预批准、全自动化）、Normal Change（需 CAB 审批、需变更窗口）、Emergency Change（快速响应以缓解 Incident）、CAPA（Post-mortem 回顾）。目标是尽可能将 Normal Change 归入 Standard Change 池。
Cloud Transformation 三阶段：Build & Setup（创建 Landing Zone 账户，最佳实践是 IaC + 不可变基础设施）→ Early Live Support（交接检查清单：SLO/SLR 定义、监控覆盖率、支持模型）→ BAU（进入正式变更管理流程）。
事件与 Incident：通过 SMACs + Teams Channel 接收告警，区分 Informational、Exception、Problem Management、Incident Management 四级响应。Incident 按 Severity 分级：Severity 1/2 为 Major Incident，需紧急协调；Severity 3/4 为 Degraded Service。
服务请求：通过 SMACs Service Request Portal → Public Cloud Operation Services 提交流程（新账户开通、权限申请等）。当前支持渠道：SRE Support Teams Channel 或直接联系 Brendan。
下一步重点：定义 SLR/SLO 体系并向产品团队定期汇报；推进 Change Record 自动化；探索 Self-healing 与机器学习驱动的监控自动化。
关键概念
- SRE (Site Reliability Engineering): 用软件工程思维解决运维问题，追求可靠性、可测试性、可重复性，核心是打破运维与产品的壁垒
- Standard Change: 预批准变更，无需 CAB，应完全自动化（IaC + CI/CD Pipeline）
- Normal Change: 有风险/影响，需 CAB 审批和变更窗口，理想状态是尽可能归入 Standard Change
- Emergency Change: 需立即执行以缓解 Incident，事后通过 CAPA/Post-mortem 修复根因
- CAPA (Corrective and Preventive Action): 即 Post-mortem 回顾，目的是从 Incident 中提取根因并预防同类问题再次发生
- Landing Zone (Gruntwork): Micro Focus 新一代云基础设施架构，取代经典 On-premise Data Centers
- SLO/SLR (Service Level Objective/Requirement): 服务等级目标和需求，用于定义监控指标并向上汇总至 KPI
- Early Live Support: Build 与 BAU 之间的过渡阶段，需完成 Go-Live Checklist（监控覆盖、支持模型、事件响应流程）
- SMACs: 当前使用的 ITSM 工具（Service Management Automation X），用于 Ticket、Incident、Change 管理
- Self-Healing: 通过机器学习驱动的自动化监控系统，基于告警趋势自动决策和缓解问题（目前处于探索阶段）
行动项
- SRE 团队正与产品团队协作定义 SLR/SLO 体系，目标向产品团队做周/双周/月度指标汇报
- 推进 Change Record（CR）自动化，实现通过 CI/CD Pipeline 自动创建和关闭 CR
- 制定统一的账户命名规范（当前 R&D/Labs、Staging、PQM、Production 等命名混乱）
- 完善 On-call Schedule（SRE Support Channel）并与 Service Desk 集成
- 探索 Self-healing 能力：Vinaya 提议各产品组分享现有实践，SRE 将协助在监控产品中落地
相关视频
[!info]+ 交叉引用 ctp-topic-01-gruntwork-landing-zone-architecture.md — Gruntwork Landing Zone 基础架构（本次分享的上下文） ctp-topic-19-configuring-dns-within-aws-lzs.md — DNS 配置与 SRE 支持模型的关系 ctp-topic-17-active-directory-services-in-gruntwork-aws-lzs.md — AD Services 与 SRE 协作流程 ctp-topic-28-aws-tag-validation-tool.md — IaC 变更的 Tagging 标准（属于 Standard Change 范畴）
最后更新: 2026-04-15