Google SRE工作手册

你将会学到：

如何在你无法完全掌控的云环境里运行可靠的服务。

在你创建、监控和运行服务的过程中践行服务质量目标。

如何将现有运维团队转型为SRE，包括发掘出运营的最Z大价值。

从绿地或者棕地上启动SRE的方法。

Betsy Beyer,Niall Richard Murphy,David K. Rensin,Kent Kawahara和Stephen Thorne是Google网站可靠性工程组织里曾经和现任的成员，他们的职责是关怀和护理Google的生产系统。

在2016年，Google出版的第一本站点可靠性工程（SRE）书籍引起了行业的大范围讨论，当今生产环境服务运营意味这什么？为何可靠性方面的考虑是服务设计的基础？现在，编写上一本SRE畅销书的Google工程师们为我们隆重推出了本书，这是一本充满真实案例的实战参考手册，展示了如何在生产环境中运维SRE的原则和实践。

在这本全新的SRE工作手册中，提供的实践案例并不但源于Google的经验，还来自那些经历过SRE旅程的Google公有云的用户。值得注意的是，本书还包括Evernote、The Home Depot、纽约时报和其他公司总结的来之不易的第一手经验。

无论你所在公司规模的大小，都可以深入研究这本工作手册，通过学习尝试完善你们自己的SRE实践。

译者序I

当你走进公司的澡堂，打算沐浴更衣重启一下自己，却发现莲蓬头里流出来的水忽冷忽热，十分扫兴。你回忆起过去3 年里，每年至少有4 个星期澡堂彻底停摆，10个淋浴间里有1、2 个被拦起来的情况也经常发生，正常开放的淋浴间还会时不时地热水供应不济。

身边的同事们用主观的语气抱怨澡堂不太好用时，你考虑的是：怎样才能客观地度量“好用”呢？假设热水的设计温度为75°C，那规定热水始终达到75°C 才叫“好用”，可以吗？实际上，热水的温度可能在70 ～ 80°C 之间，平均约为75°C。这样一来，要求每一刻都达到75°C 是不可能完成也不必完成的任务，而仅要求温度达到70°C 又似乎降低了标准。

经过一番思考，你把一个淋浴间“好用”定义为：

?? 打开热水15 秒后，95% 的时间在60°C 以上，90% 的时间在70°C 以上，50% 的

时间在75°C 以上；

?? 在连续20 秒中前10 秒的平均温度与后10 秒的平均温度之差，95% 的时间小于

10°C，50% 的时间小于3°C；

?? 95% 的时间出水量在6 升/ 分钟以上；

……

而整个澡堂“好用”定义为：95% 的日子里至少有70% 的淋浴间“好用”，50% 的

日子里至少有90% 的淋浴间“好用”。

你还安装了一些探测器，监测每个淋浴间热水出水口的温度，当临近“不好用”的时候，主动向维修人员告警；要是澡堂连续一周“不好用”了，就写一份对事不对人的事后总结，挖掘本质原因，提出改进方案。最后，你还说服了后勤部门，虽然我们的澡堂规模很小，但依然应当参考游泳馆、温泉、水疗酒店等大规模机构的工作原理。

叮铃铃，闹钟响了。床头柜上是昨晚读到一半的SRE 书。看了这本书后，你会经常憧憬着用SRE 的原理去规划生活中遇到的事情。

祝大家阅读愉快。钟诚

译者序II

这是我有幸参与翻译的第二本书，翻译的过程历时一年之久，总共耗时接近一千小

时左右。这是一本共二十一章的大部头，它的很多章节都编写得相当精彩，我个人

尤其喜欢第2、4、5、12、14 和15 章。

首先，要感谢我的翻译搭档钟诚，是他在茫茫人海中机缘巧合地找到了我，因此我才有缘解锁我的第一本奥莱利出版且 Google 官方出版书籍。这本书在开篇第1 章，用整整一章的篇幅回答了一个非常重要的问题，SRE 和 DevOps 的关系是怎样的？本书从基础、实践和流程三个方面，井井有条地论述了实施 SRE 的实战过程，并且恰当地增加了很多第三方案例研究。这看起来就是一部结构完整的 SRE 教科书。无独有偶，这次翻译又是一个收获满满、深度学习的过程。在这个过程中，我在 DevOps和 ITSM 方面的经验被无数次地唤醒。再次发出感慨的同时，也想提醒广大 DevOps和 ITSM 的实践者们，本书应该是你的下一本必读书籍。

其次，在线上业务为王的今天，服务的稳定性必然是一个不可忽略的重点需求，而

大多数企业在这个方面可能都已经是“债台高筑”。但只要你通过阅读本书，正确

地掌握了 SRE 的理念和实践，我相信你将能够驾驭这些类型各异的应用系统，并驯

服那些可能已经脱缰了的野马。

最后，我要感谢我的妻子、女儿和母亲，没有你们的支持，我将无法任性地拥有和

支配如此大量的自由时间。再次感谢我的翻译搭档钟诚和出版社的刘炽老师，与你

们在专业方面的切磋和沟通，让我更加享受此次翻译的过程。

刘征

中国DevOps 社区组织者