15、技术运维中的文化、策略与挑战应对

技术运维中的文化、策略与挑战应对

1. 英雄与英雄文化的区别

在构建健康、可持续的文化时，理解英雄和英雄文化的差异至关重要。英雄往往在危机时刻诞生，他们通过执行非凡的任务来挽救局面。然而，英雄文化却鼓励制造灾难，迫使人们成为英雄，这显然是不可取的。

比如，SRE（站点可靠性工程师）常常在夜间事件中牺牲睡眠来解决问题，并因此获得广泛赞誉。尽管我们必须认可他们的英勇行为，但过度美化这种工作会带来危险。真正的英雄在需要时会挺身而出，但他们并不希望任何人，包括自己，陷入那样糟糕的境地。

英雄文化会带来诸多负面影响：
- 阻碍预防性工作 ：如果只有在解决紧急情况时工作才会得到认可，人们就会倾向于关注那些看似紧急的工作，从而忽视预防性工作。这就导致了“垃圾火灾驱动式开发”，即只有当问题变得非常严重时，才会得到重视和资源投入。
- 导致个人成为潜在故障点 ：当问题只能由少数人解决，而这些人只有在成为挽救局面的关键人物时才能获得关注，他们就可能成为潜在的故障点，同时也会承担沉重的值班负担，最终导致职业倦怠。

要从英雄文化回归到真正认可英雄的状态，需要找到新的工作认可方式。可以借鉴斯多葛派的负面可视化实践，在项目发布后，想象可能导致项目失败的因素，以此来庆祝那些没有发生的问题以及背后为此付出努力的人。同时，要提醒开发者采取措施预防或减少问题的危害，这也是促使团队负责人投入资源解决技术债务的好时机。

2. 打造受欢迎的值班轮换制度

许多组织认为值班是痛苦且必要的恶，但也有像Monzo这样的公司，他们的值班轮换制度非常受欢迎，甚至有人员排队等待