对于提高系统可靠性来说，SRE到底意味着什么
DevOps和SRE似乎是同一枚硬币的两个面。他们都旨在弥合开发团队和运维团队之间的鸿沟，都想要提高软件部署的效率和软件运行的可靠性。在大多数公司中，我们可以看到开发团队和运维团队的职责和能力会有重叠。那么DevOps和SRE有什么不同，每个意味着什么？让我们来看看。开发，运维和可靠性在实施DevOps之前，开发和运维团队是两个独立的团队，每个团队都有自己的目标。这些团队之间的差异和沟通缺乏，通常会影响产品，从而最终影响用户体验和公司效益。为了更好地沟通和构建更好的产品，DevOps已成为每个公司中最关键的职位之一。DevOps的定义是“一种软件工程文化和实践，旨在统一开发和运维” 。这个术语最初是由Andrew Shafer和Patrick Debois于2008年创造的，虽然花了几年时间才成为一个通用概念，但如今，几乎每个企业都在使用DevOps。Site Reliability Engineer(SRE)的概念自2003年以来一直存在，比DevOps还要古老。它是由创建Google的本·特雷诺（Ben Treynor）创造的。根据Treynor所说，SRE是“软件开发工程师开始承担运维人员的任务”像DevOps一样，SRE也会整合开发团队和运维团队，帮助他们熟悉另一个团队的工作和任务，同时使得整个应用程序生命周期具有可见性。DevOps和SRE都倡导自动化和监视，其目标都是减少从开发到部署生产中的时间，同时又不影响代码或产品的质量。Google指出，SRE和DevOps彼此之间并没有太大区别：“在软件开发和运维方面，他们不是竞争关系，而是旨在打破组织障碍，使得更快地交付更好的软件的亲密朋友。”DevOps和SRE之间的差异如前所述，DevOps的概念就是将开发与运维结合起来，定义系统的行为，并了解需要做些什么来弥合开发团队和运维团队之间的“鸿沟”。DevOps的理论是关于使开发团队和运维团队合而为一需要做些什么。根据Google的说法，这就是DevOps和SRE之间的主要区别所在。DevOps只是关心需要做什么，但SRE却谈到了如何可以做到。SRE是通过使用正确的方法，工具等将理论部分扩展为有效的工作流程。这还涉及在每个人之间分担责任，并使每个人都具有相同的目标和愿景。为了进一步说明两者之间的区别，Google发布了一系列视频和帖子，介绍了DevOps和SRE的不同之处。其中两位Google员工（Seth Vargo和Liz Fong-Jones）撰写的一篇文章中，他们解释了SRE“体现了DevOps的理念，更加注重通过软件工程师和运维人员的工作来衡量和实现可靠性。”Seth Vargo和Liz Fong-Jones通过以下5个方面解释了DevOps和SRE之间的异同：1. 减少组织孤岛通常组织结构复杂的的大型企业，有许多团队是独立工作。每个团队都将产品推向不同的方向，没有与公司的其他成员进行交流，因此，他们无法从整体上了解产品全局。这可能会在部署中的引发问题。DevOps的工作是减少孤岛，并确保不同团队最终目标一致。通过共同的愿景将团队组织起来。SRE不再谈论公司中有多少孤岛，而是在谈论如何让所有人参与。这是通过使用整个公司相同的工具和技术来完成的，作为回报，这有助于在每个人之间共享所有权。2. 接受故障尽管DevOps的概念是在故障出现之前进行预防，但是不幸的是，我们无法避免故障。DevOps通过将故障视为必然发生的事情。在SRE中，通过制定一个公式来统计故障。换句话说，SRE希望没有太多错误或失败。该公式，用两个关键标识符来衡量：服务水平指标（ Service Level Indicators ，即SLIs）和服务水平目标（ Service Level Objectives ，即SLOs）。SLIs 通过计算请求延迟，每秒请求的吞吐量、失败次数来衡量每个请求的失败。 SLOs 源表示SLI在一定时间内的成功。3. 实施渐进式变革越来越多的公司希望能够频繁发布，不断更新迭代自己的产品，并使团队成员时刻关注新技术和相关技术。DevOps的目标也是如此，但要以渐进和可处理的方式进行。DevOps和SRE都希望快速发展，SRE强调在这样做的同时降低故障成本。4. 工具化和自动化如前所述，自动化是DevOps和SRE的主要重点之一。DevOps和SRE都鼓励尽可能增加工具和实现自动化，通过消除人为操作为开发人员和运维降低出错率。5. 衡量一切自动化工作流程需要不断监控。DevOps和SRE团队都需要确保他们朝着正确的方向发展，并通过衡量一切来做到这一点。这里的主要区别在于，SRE围绕”运维是软件问题（ operations are a software problem）“的概念展开，从而使他们定义了一些可用性度量方法。SRE还确保公司中的每个人知道如何衡量可靠性，以及在出现故障时该怎么做。可靠意味着什么？上面，我们讨论了责任划分，接受失败以及衡量一切。现在，我们需要一种方法来确保一切都确实能够正常运行并且可靠。换句话说，应该有一个统一的方法来测量每个级别的可靠性。SRE通过 SLIs 和 SLOs 来衡量，DevOps团队会衡量失败率以及一段时间内的成功率，并且两者通常都是使用不同的工具和方法来进行的。可靠性不仅与基础架构有关，而且也与应用程序质量，性能、安全性息息相关。问题可能在应用程序的不同方面发生，并且当发生故障时，我们需要拥有可靠的数据，来了解问题发生的原因。如果我们将数据细分，包括：[*]堆栈信息
[*]变量状态
[*]JVM状态：线程，环境变量
[*]相关日志语句（包括生产中的DEBUG和TRACE）
[*]事件分析（频率，失败率，部署，应用程序）
由于这些数据是至关重要的信息，因此我们必须确保它是可靠且可操作的总结SRE，有明确的定义，并提出了一系列直接的期望。然而，DevOps更像是一种“自由精神”，其定义和观点因组织而异。但是，DevOps和SRE团队并没有太大区别。两者都有助于整合开发人员和运维团队，同时承担相似的责任，并专注于实现自动化和可靠性。最重要的是，一切都与数据有关。你需要数据信息来衡量成功和失败，以及如何在整个应用程序中获得持续的可靠性。
页:
[1]