SRE Google 运维解密读书笔记一：SRE 方法论概述

SRE Google 运维解密，是 SRE 领域的启蒙之作，讲述了 Google 的 SRE 实践，SRE 就是从 Google 流传出来的。本文是读书笔记，第一篇，概述 SRE 方法论。帮大家把书读薄，当然，也加入了一些我的个人理解，希望对你有帮助。

为何需要 SRE

传统的 sysadmin 的方式，偏手工运维，机器越多所需运维工程师越多，对于 Google 的体量（毛估估现在大概有几百万台机器）和增长速度，成本（人工成本、管理成本等）不可承受。

因为目标不同、技术背景不同、对可靠性理解不同，传统运维和产品研发团队之间，很容易形成巨大的鸿沟，有时会上升到部门之间的信任和尊重层面。比如拿变更举例，研发部门想要：“随时随地发布新功能，没有任何阻拦”，传统的运维团队想要的则是：“一旦一个东西在生产环境中正常工作了，就不要再做任何改动”。这样的两个团队，是没法很好的合作的，尤其是在 Google 的体量和增速下，得改。解法就是 SRE。

Google SRE 概述

Google SRE 的创始人是 Benjamin Treynor Sloss，研发出身，2003 年加入 Google，被任命领导一个 7 人小组（现在，SRE 团队已经上千人了），负责“生产环境维护”。Google 当时的增速是非常快的，如果按照传统的玩法，招人的速度完全无法匹配机器增速，怎么做这个“生产环境维护”的工作呢？

Benjamin Treynor 是资深研发，自然就会考虑用软件工程的手段来解决遇到的各类问题，所以 Google SRE 首先，得具备研发技能，用研发技能来解决各类生产维护重复工作。他们具备如下特质：

• 对重复性、手工性的操作有天然的排斥感
• 有足够的技术能力快速开发出软件系统以替代手工操作

但是，做过运维的人都知道，总