17、站点可靠性工程（SRE）相关经验与策略分享

站点可靠性工程（SRE）相关经验与策略分享

1. SRE 培训的重要性及策略

在站点可靠性工程（SRE）领域，有大量知识需要学习。无论是渴望成为 SRE，还是要适应新服务，都会感觉信息如洪流般涌来。对于成人学习者，尤其是新加入团队的人来说，传授技术知识并非培训的首要考虑因素。更重要的是建立信心，克服冒名顶替综合症。此外，培训还能推动或延续期望的组织文化，是对组织和人员的一种投资。

可以从设定 ASSBAT（a student should be able to）开始培训策略。ASSBAT 是聚焦于期望驱动和观察的行为的学习目标。例如：
- 使用 $tool 识别作业使用的内存量。
- 解读 $monitoring_tool 中的图表，以确定 $foo 服务的健康状况。
- 在五分钟内使用 $drain_tool 将流量从集群中转移。

通过使用这类 ASSBATs，可以日常观察和衡量培训的应用效果。从 ASSBATs 入手，就拥有了良好培训策略的开端，而非仅凭希望。

同时，SRE 的基本原则也可应用于培训项目本身。可以按照以下步骤优化培训项目：
1. 监控培训项目绩效 ：通过跟踪出勤情况和收集调查反馈来监控培训项目的表现。定义培训项目的服务水平目标（SLOs）并进行沟通。
2. 解决监控中出现的问题 ：若调查反馈中某些问题学生评分较低，需进行调查和跟进，确定是课程设置、后勤安排还是讲师的问题。
3. 撰写事后分析报告 ：当出现影响学生体验的问题时，撰写事后分析报告，以便从失败中无责学习，确定