SRE体系解密及实践经验

指导思想

拥抱风险

服务质量目标

减少琐事

分布式系统的监控

自动化系统的演进

发布工程

简单化

有效的故障管理模式

有效的告警

高效的故障排查手段

紧急事件响应

紧急事故管理

稳定性体系建设

基础架构

大规模微服务架构

云平台

其他基础设施

服务治理

服务注册与服务发现

全链路跟踪、调用链

服务流量分发、降级、熔断

极端业务场景下的稳定性保障

容量规划

限流降级

开关预案

全链路跟踪

运维自动化平台建设

CMDB系统

监控系统

部署管理系统

工单系统

容量管理系统

预算系统

智能运维在稳定性建设领域的应用

故障检测和处理的全流程

自动添加监控

多维度异常检测

告警收敛和告警合并

故障的根源原因分析

故障自愈

服务治理

全链路压测

混沌工程

风险挖掘

Q&A

案例分享