SRE Google運維解密_讀書筆記1

1. 監控的4個黃金指標：錯誤、延遲、流量、飽和度（容量）。
2. SLO服務水平目標，健康度檢測使用
3. 運維平臺：

1. 關於應急管理時，有沒有考慮過通過一鍵觸發的方式，將當前緊急情況通過內部通訊工具、郵件、短信等渠道觸達到系統相關人。這樣可以實時看到當前系統處理情況，調配各種資源協助，根據故障情況決定是否升級保障，記錄整個應急處理各時間點的過程，也便於編寫事後總結報告。當前應急處理時大家忙於處理問題，內部通訊工具裏的信息不能及時反映當前狀態，缺少有序管理的機制。
2. 主備崗交接機制，藉助自動化服務平臺，將升級流程固化，降低學習成本。
3. 以系統爲維度，將相關機器管理起來，管理主備崗運維操作機的登錄權限。

1. 研發參與on-call
   1. 研發人員也參與運維on-call值班，或者出現業務設計不合理引發的bug,需要運維人員每日大量的手工處理，提高業務需求開發響應速度。
   2. 運維開發人員也參與運維on-call值班，可以發現運維的痛點，提高運維需求的響應速度。
2. 生產問題Jira工單：
3. 通過Jira記錄生產問題，通過5Y(what何事？why爲什麼？when何時？where何地？who關係誰？)分析問題原因，跟蹤問題解決進展。
4. 事故報告，做的好的地方，不好的地方，從中學到了什麼？
5. 通過一個wiki生產問題自定義流程，過濾出Jira