请选择 进入手机版 | 继续访问电脑版

ITIL,DevOps,ITSS,ITSM,IT运维管理-ITIL先锋论坛

 找回密码
 微信、QQ、手机号一键注册

扫描二维码登录本站

QQ登录

只需一步,快速开始

查看: 222|回复: 0

SRE的具体工作职责

[复制链接]
发表于 2020-11-21 13:45:49 | 显示全部楼层 |阅读模式
* I( y# M2 r* I( {8 _  p7 o/ o
SRE 是什么,不是什么
! {! E# ]* u& T, ]% o
$ n/ t" H# q$ u) y2 i# r+ {" J' m) C( e
/ G& n& _, q, O2 I' q
" i1 O  z5 `5 W! ?& w

: @- `/ D: @8 ?+ W0 b2 X: v
% Z5 J. m) K- _# q; r
; l( S4 H" \/ I) r  p. F: `; r
& t8 `- w& A3 J0 @1 e+ Y$ x% G
% S  m2 r: [4 G, L# \
SRE,Site Reliability Engineering 的缩写。其中 site 是指 website,可以翻译为网站可靠性工程。这个工种是 Google 在 10 年前创造的,他们刚出了一本讲 SRE 的书,以下简称《SRE》。相应的,做这份工作的人叫 Site Reliability Engineer ——网站可靠性工程师,缩写也是 SRE。类比:Software Engineering 软件工程,Software Engineer 软件工程师,缩写 SWE。例句:我在 Google 的头两年是当 SRE,现在换成了 SWE。SRE 到底是干什么的
这基本上是我面试的每个应聘 SRE 职位的人都会问的问题,三句两句说不清楚,但愿读完本文之后您能有个大概的了解,也消除一些误解。SRE 是一个比较新的职位,目前只有少数业界领先的互联网公司才有这个 position(职位),包括 Google、Facebook、Twitter、Dropbox、Uber 等等,其中后面几家的 SRE 部门多是 Google 离职的 SRE 参与创建的。(辨析:前一句的两个 SRE 分别是什么的缩写?)
在 Google 招聘网站上可以搜到  SRE 的 job description,这里列出两个供参考:8 G+ s" `9 V9 I, r: Y
# K) P# U* T; i8 y' g6 f
  • https://www.google.com/about/careers/search#!t=jo&jid=84745001&
  • https://www.google.com/about/careers/search#!t=jo&jid=86645001&6 n, b, k# k5 H
为了方便读者,我放一个截屏:
Usenix 迄今已经举办了三次 SRE 会议(SREcon),从会议网站可以找到具体议程:
  • SREcon14 Program | USENIX
  • SREcon15 Program
  • SREcon16 Program' O. s$ b$ G% X" }
我估计读完以上这些材料,大家还是不明白 SRE 具体是做什么的。在遇到新事物的时候,人们习惯用旧事物作类比,“哦,SRE 不就是 Google 给 XXX 起的名字嘛。” 像番茄、胡椒、洋葱这些名字就是这么来的,番茄和茄子区别有多大不用我说吧。

! U2 u6 d0 I. j+ k% _) BSRE 具体工作内容
一说到 Software Developer,人们脑子里就能反映出编码、调试、测试、修 bug、刷知乎等具体工作内容。那 SRE 呢?

# @- `' w  m$ d+ n+ l- iSRE 的首要工作任务是保证 SLA。SLA 是 service-level agreement 的缩写,没有贴切的中文翻译,我们继续用缩写好了。SLA 一般指的是系统的功能指标,比方说系统可用性(availability)达到 99.99%;对于 95% 的请求,响应延迟(latency)低于 200 毫秒等等。《SRE》第 4 章会具体讲 SLA、SLO、SLI 的含义及用法。
我个人把 SRE 工作内容分为以下几个方面:
  • 容量规划与实施
    , C! K6 R- |( ?5 c' Z+ I

  o& f. E/ n8 g* z+ v1 {
要回答两个基本问题:要支持每秒 X 个请求的流量,需要多少台机器?给你 Y 台机器,如何部署服务栈(serving stack)使其服务容量(capacity)最大,即每秒支持的请求数最多。serving stack 由很多服务程序(server)构成,各个 server 有各自的资源需求(每个进程用多少内存,多少CPU)。每个 server 有多个 replica,我们要算出各个 server 的 replica 的合理数目,让计算资源得到充分利用。SRE 开发了专门的工具来做这件事件,因为我们不想对全球多个数据中心都分别手算一遍。 server 的性能会随时间变化(新版本通常会变慢,因为加了更多的功能),我们要及时调整 replica 的数目。每个 server 的性能变化不一样,replica 的数目要“配平”。
& W+ x- k: |# f4 r: y& c' J. b3 G
  • 部署新的服务集群(serving cluster)( x3 x- X3 y- S# z5 l3 z4 t
6 P$ ~+ m$ ~* y" S. X# _
每年都有新的数据中心(Data Center)上线,也有旧的数据中心下线,那么我们的 serving stack 也会跟着迁移。“部署”不是去机房安装机器,实际上工作这么多年,我一次也没有见过跑我写的服务程序的机器。新的数据中心通常会有新一代的硬件,我们的容量规划工具要能适应多种的硬件类型(CPU 数目、内存大小)。
  • 冗余与容错
    2 N8 w# z0 x$ P5 {4 X0 b) \
; i0 M0 f* E- \0 ^
在 Google,我们有数据中心级别的容错,任何一个数据中心可以随时下线维护,对外服务不受影响。进一步说,我们的容量规划要做到允许两个数据中心同时下线。比方说某个数据中心正在例行下线维护,这时另外一个数据中心受突发事件影响必须立刻下线,那么我们的系统还要能正常提供服务。
  • 负载均衡- S2 o! V4 [+ @
1 g  Q8 k: `3 {- W, T
《SRE》第 19、20 章。& x7 T% T( {# F2 D- F+ Z! i
  • 上线新的服务(on-boarding service)7 Z' x" D# T7 _
《SRE》第 32 章。/ V1 q  F, T$ N( E. |: w

2 e! y% P9 ^7 ]( c
  • 监控(Monitoring)
    . _4 N' }8 s$ J7 @- b) y

4 D/ U% j. n0 h; H) y' y
不是一天到晚盯着 dashboard 看,而是编写合适的监控与报警规则,让我们能快速找到故障根源。几个最基本的监控指标:
  • 流量 traffic, eg. queries per second
  • 延迟 latency
  • 错误率 error ratio
  • 资源使用率 utilization
    9 R' `- P* K2 F7 z& z% y2 r$ E3 @+ F
: e7 O5 x3 j. B  o. H, B) U
见《SRE》第 6 章。
  • 值班(on-call)
    % t2 h0 q) C. g& n. l

+ W1 z9 `9 U) |0 G# D/ v/ V# {
这其实是最少的工作,如果一个 SRE 团队有 8 个人,每人每次值班一周,那么平均 2 个月才轮到一次,占 1/8 的工作量。值班的时候,如果没有突发事件,还是该干嘛干嘛。而且 Google SRE 是全球团队,不用值夜班,到了下午把工作交接给地球另一边的同事就行了。见《SRE》第 11 章。
  • 救火(Firefighting)
    ( y. P6 e4 C& O2 k: M
0 e) ^. r1 Y& H; f0 c
这是 SRE 最刺激的工作内容,见《SRE》第 12~15 章。
SRE 不是什么
SRE 不在数据中心上班,不搬机器。
SRE 不是系统管理员,不会帮你重置用户密码,也不安装操作系统或升级安全补丁。* X0 v3 `) }/ P. ~
SRE 不是测试工程师,不管持续集成和发布新版本。
SRE 不是运维,不过我其实不了解国内的运维具体是做什么的。
6 h0 N( F. {3 v+ O9 J& A& }% @

  J! X& e) @7 Q

8 p! a9 ?4 J% M% ]" A7 d




上一篇:SRE谷歌运维解密目录
下一篇:SRE和微服务架构如何适配

本版积分规则

本站关键字: ITIL| ITSM| ISO20000| ITIL培训| ITIL认证| ITIL考试| ITSS| ITSS培训| ITSS认证| IT运维管理| DevOps| DevOps培训| DevOps认证| itop| itil4| sre| 开源ITSM软件

QQ|小黑屋|手机版|Archiver|艾拓先锋网 ( 粤ICP备11099876号-1 )|网站地图

Baidu

GMT+8, 2021-3-9 14:34 , Processed in 0.156267 second(s), 28 queries .

Powered by Discuz! X3.4 Licensed

Copyright © 2001-2020, Tencent Cloud.

快速回复 返回顶部 返回列表