SRE：“正确做事”的法门

提升速度

持续提高可靠性

保持精简

快速开发

免回归的版本周期

通过自动化解决复杂问题

跨部门共享生产知识

在工程部门之间设置共享的目标和对象。

领导者接纳并执行。

为各种服务设定“服务水平目标”（SLO）文化。在可靠性和稳定性（it成本）方面，我们要走多远？

明确定义产品/服务所有权，包括将SLO作为生产准备要求的一部分。

要从利弊两方面分析我们为什么要做这件事？（要提到商务司机。）

对每个团队/成员的期望是什么？新的结构在未来会是什么样的？

领导如何帮助避免扩大知识差距或减轻未来的挑战/风险？

带有时间表路线图的高层次里程碑——我们如何到达那里？

文化：寻求帮助、合作、教导和负责任

雇佣合适的人才（面向未来的以及经验丰富的人才）。

组织团队以利于平滑传播知识。

雇佣员工是为了解决复杂问题，而不是为了扩大规模（通过自动化来扩大规模）。

团队应该对解决复杂的问题感到兴奋。

50%的SRE时间应用于质量工程工作。

使用星型方法来实现任何更改。在没有明确目标和预期结果的情况下，不要引入任何改变（无论多么小）。

实现成功：倾听用户（工程师），适应并推动采用的想法。

模板

自动化工具/剧本是版本控制的，并遵循自助模式。

原则：

质量和安全应该移到SDLC的左边，并且应该是版本工程自动化的一部分。

每个版本都应该通过KPI的镜头进行验证，并与设定的SLO进行比较。

负载和容量在放行前要进行测试和认证。

构建一个测试环境来检测零MTTR，从而避免生产错误。

产品准备就绪后才发布服务。

在客户端和服务端使用工具收集时间序列数据。

使开发人员能够轻松地向监控系统添加各种指标。

为每个常用指标构建一组可重用的SLI模板；这也使得每个人更容易理解特定SLI的含义。

每次都修正（战术和战略）。

不要责怪任何人，专注于解决方案、过程和技术。

通过适当的发布周期，有一个过程来跟踪问题和采取的修复行动。

定期召开架构和产品评审会议。