SRE là gì
Kỹ thuật Độ tin cậy Trang web — độ tin cậy hệ thống
SRE (Site Reliability Engineering) là một ngành kỹ thuật kết hợp phát triển và vận hành để đảm bảo độ tin cậy, khả năng mở rộng và hiệu suất của hệ thống.
Nguyên tắc cốt lõi
- Ngân sách lỗi — mức độ lỗi chấp nhận được
- SLI/SLO/SLA — chỉ số và thỏa thuận mức dịch vụ
- Giảm toil — tự động hóa các tác vụ thường ngày
- Văn hóa postmortem — phân tích sự cố không đổ lỗi
Thực hành chính
- Giám sát và cảnh báo
- Quản lý sự cố (trực)
- Lập kế hoạch dung lượng
- Chaos engineering
- Tự động hóa release
Chỉ số SRE
- Khả dụng — thời gian hoạt động dịch vụ
- Độ trễ — thời gian phản hồi
- Tỷ lệ lỗi — tần suất lỗi
- MTTR — thời gian phục hồi trung bình
Công cụ
- Prometheus + Grafana
- PagerDuty / Opsgenie
- Kubernetes
- Terraform