SRE
1 人感兴趣 · 38 次引用
- 最新
- 推荐
站点可靠性工程 SRE 最佳实践 -- 黄金监控信号
延迟、流量、错误率、饱和度这四大黄金信号是SRE的最佳实践，可用来帮助SRE团队快速评估系统状态，在异常情况下及时介入，保证系统始终工作在健康状态。
基于 SLO 告警（Part 4）：开源项目 pyrra 使用
系列文章第3篇我们讲到如何使用 sloth 进行 Prometheus 规则的自动生成和 SLO 统一观测，今天我们再来看另外一个类似的开源项目 -- pyrra。
基于 SLO 告警（Part 3）：开源项目 sloth 使用
本文主要讲解如何围绕 sloth 进行 SLO 建设，使用它不仅可以高效的生成大量 Prometheus rules 配置文件，还可以通过开箱即用的统一看板对多个服务的 SLO 进行观测。
基于 SLO 告警（Part 2）：为什么使用 MWMB 方法
本篇文章为《基于 SLO 告警》系列文章第2篇，主要讲解基于 SLO 告警一般使用方法以及为什么要使用多窗口多燃烧率(MWMB)的方式。
基于 SLO 告警（Part 1）：基础概念
看过 Google 网站可靠性工作手册 一书的朋友都知道，该书在第一部分重点讲解了基于 SLO 的告警监控相关知识，可见基于 SLO 的监控告警已然成为一种趋势，那在实际工作中，我们该如何实施和落地 SLO 监控告警呢？
故障复盘究竟怎么做？美图 SRE 结合 10 年经验做了三大总结（附模板）
这次重点讲讲故障治理中的最后一个重要环节 —— 故障后的复盘，在这个过程里可以总结吸取经验教训并改进，这样才能让整个系统的稳定性得到实质性提升。
监控告警怎么搭建比较合理？B 站 SRE 实践总结了 4 大关键步骤
是不是经常会遇到，有人在群里@你，告诉你你的系统出故障了，你在犹豫是不是真的出故障的同时还得慌乱地去查找？
我们还需要 SRE 吗？
在「一文讲透研发，SRE，运维，DevOps 的区别」里，我们讲了几大工种的区别，这篇我们重点讲一下 SRE (Site Reliability Engineering)。
SRE Lesson One -- Day2 熟练使用 Markdown
本文收录于 SRE Lesson One -- 写给 SRE 新手的入门手册 ，后续的问题修正和内容变化会持续更新在 https://github.com/erdong/SRE-Lesson-One 里。
基于 Elasticsearch 生长的 SREWorks 数据化运维体系
开源Elasticsearch是一个基于Lucene的实时分布式的搜索与分析引擎，是遵从Apache开源条款的一款开源产品，是当前主流的企业级搜索引擎。
从 0 到 1 建设小程序可观测性
前面几节呢一直在讲 SRE，讲 MDD，很多工程师不太理解，这到底有什么用呢，具体的收益点又在哪呢？ 前面也讲了一些落地案例，刚好最近在思考 MDD 结合 SRE，花了两周的时间打造了小程序端的可观测平台，接下来和大家分享一下整个心历路程。
