大型网站运维：从系统管理到SRE

图书标准信息

• 作者 顾贤杰
• 出版社 电子工业出版社
• 出版时间 2021-07
• 版次 1
• ISBN 9787121416125
• 定价 102.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 320页

【内容简介】

运维发展到现在，与初相比发生了巨大的变化。10 多年的互联网发展，让国内的运维 经历了快速的变革，开始慢慢地和国外接轨，甚至在部分场景有单独的演化。DevOps 和SRE 作为运维领域的两个演化方向，在近几年获得了很多关注，也有很多公司进行了相关的实 践。与DevOps 遍地开花的情况相比，SRE 在国内的发展稍显低调。《SRE：Google 运维解密》 一书对国内外运维领域有很大冲击。本书作者作为一直工作在一线的运维工程师，理所当然 地对SRE 相关理念进行了实践，本书可以说是对SRE 领域阶段性的实践总结。 本书主要对传统运维和SRE 进行不同对比，让大家了解运维工程师在实践SRE 理念 时，关注的点和具体的实践经验。本书的前半部分更多地注重SRE 在实际工作中对融入 开发团队、监控建设、变更管理、容量管理、异常响应、稳定性治理、事故复盘、用户体 验管理等方面的实践和落地。 在对SRE 的工作有了一定了解后，本书会针对重要业务保障场景进行实战讲解。本 书后部分对SRE 工作中涉及的一些技术进行了概述，以便有兴趣的同学了解SRE 相关 的技术点。

【作者简介】

顾贤杰网易运维专家、SRE团队Leader，10多年来一直聚焦互联网业务运维和稳定性建设。在互联网业务运维方面经验丰富，曾负责网易博客、相册、即时通信、支付、电商、账号系统、云音乐等众多产品的运维工作。在金融支付机房设计、高性能负载均衡建设、业务双机房改造部署、灾备建设等多个运维领域均有实践，设计过海量服务器运维工具平台，负责的产品服务了上亿的互联网用户。目前的运维研究方向：海量服务器稳定性治理、基础设施即代码、混合云/云原生体系下的运维平台建设。徐  ?S网易资深运维开发工程师，运维开发团队技术Leader。参与并主导杭研运维体系建设，包括监控、流程、发布、审批等运维领域。持续探索运维自动化、智能化、一体化建设，为网易云音乐、网易传媒、网易支付等上百个产品提供高效稳定的运维服务。颜中冠网易技术经理、资深架构师，有16年的互联网一线研发和架构经验。曾负责亿级统一认证项目，主持网易帐号异地双机房建设，以及网易云计算业务中台搭建，负责多个对外亿级商业化项目研发。

【目录】

第1章  关于SRE1

1.1  为什么会引入SRE   2

1.2  DevOps和SRE对比   5

1.2.1  DevOps的发展   5

1.2.2  SRE的发展   6

1.3  选择SRE   8

1.4  SRE的未来   9

第2章  SRE在组织内部的定位   11

2.1  如何介入组织   12

2.2  SRE工作着力点   16

2.3  如何衡量工作   19

2.4  贡献价值   22

第3章  监控建设   25

3.1  什么是好的监控服务   25

3.1.1  稳定   25

3.1.2  准确   27

3.1.3  易用   29

3.2  监控系统的设计逻辑分析   29

3.2.1  数据生产   30

3.2.2  数据上报   31

3.2.3  数据处理   33

3.2.4  数据存储   34

3.2.5  数据使用   36

3.3  典型监控应用场景   41

3.3.1  系统监控   41

3.3.2  应用监控   42

3.3.3  终端监控   44

3.3.4  秒级监控   45

3.3.5  监控大盘   46

3.3.6  链路监控   46

3.4  报警治理   47

3.5  容器监控   50

3.6  监控智能化   51

第4章  变更管理   53

4.1  变更管理机制   54

4.1.1  传统运维的变更管理   55

4.1.2  DevOps的变更管理   57

4.1.3  SRE的变更管理   59

4.1.4  变更管理实践总结   61

4.2  变更控制   62

4.2.1  如何建设好的变更控制   62

4.2.2  制定符合业务需求的变更控制机制   64

4.3  稳定性和迭代速度的权衡   66

4.4  变更风险控制   68

4.5  总结   70

第5章  异常响应   71

5.1  异常的定义   71

5.2  事故/事件定义   73

5.2.1  区分事件和事故   73

5.2.2  事故等级制度   74

5.3  异常响应流程   76

5.4  如何处理值班过程中的异常响应   79

5.5  应急沟通机制   82

5.6  关于线上问题的ROC   84

第6章  服务稳定性治理   88

6.1  SLI/SLO/SLA的制定和落地   88

6.1.1  SLI的制定和应用   89

6.1.2  SLO的计算和应用   90

6.1.3  SLA的计算和应用   91

6.2  故障预防   92

6.3  抑制不可控因素   95

6.4  故障演练   97

6.4.1  故障梳理   97

6.4.2  故障预案   98

6.4.3  混浊工程   98

6.5  故障自愈   100

6.6  业务MTTR   102

6.6.1  关于故障修复MTTR   102

6.6.2  关于故障解决MTTR   104

6.7  灾备建设   105

6.8  总结   109

第7章  事故复盘   110

7.1  关于事故复盘   112

7.1.1  事故复盘初级阶段   112

7.1.2  事故复盘中级阶段   113

7.1.3  事故复盘成熟阶段   113

7.2  如何提升事故复盘质量   115

7.2.1  事故复盘深度   116

7.2.2  事故复盘报告   118

7.3  事故分析的逻辑和原则   119

7.4  事故责任的划分逻辑   123

7.5  事后跟进   126

7.6  基于事故/事件的学习   128

第8章  容量管理   131

8.1  容量管理的目标   131

8.2  容量管理的方法和策略   132

8.2.1  传统评估方法   133

8.2.2  IT资源成本的构成   133

8.2.3  容量水位的定义   134

8.2.4  容量管理策略   137

8.3  容量分析系统建设   137

8.3.1  业务负载平台   137

8.3.2  巡检管理平台   139

8.3.3  监控系统和CMDB系统   142

8.4  容量优化方式   143

8.4.1  业务容量优化   143

8.4.2  资源容量优化   143

8.4.3  架构容量优化   146

8.5  容量预案   151

8.6  总结   153

第9章  用户体验   154

9.1  外部用户体验和内部用户体验   155

9.1.1  外部用户体验   156

9.1.2  内部用户体验   158

9.2  影响用户体验的要素   159

9.3  外部用户体验的改进策略   162

9.4  内部用户体验的改进策略   165

9.4.1  数据兼容性   165

9.4.2  工作流程   167

9.4.3  执行效率   169

第10章  重要业务活动保障   172

10.1  重要业务活动的资源准备   173

10.1.1  容量规划   173

10.1.2  资源交付规划   175

10.1.3  技术优化   178

10.2  参与运营活动评估   181

10.3  重要业务活动稳定性预案   184

10.4  重要业务活动准备阶段的工作重点   187

10.5  重要业务活动的变更执行要求   190

10.6  重要业务活动的运维人力   192

10.7  重要业务活动的收尾   193

第11章  运维操作基础   196

11.1  网络基础   197

11.1.1  ARP   197

11.1.2  路由   200

11.2  4/7层协议   204

11.2.1  4层协议   204

11.2.2  7层协议   208

11.3  内核参数调优   213

11.3.1  TCP网络堆栈内存   214

11.3.2  TCP连接数优化   215

11.3.3  TCP高并发优化   216

11.3.4  网络参数额外调整项   217

11.3.5  TCP拥堵算法   218

11.4  常见命令行   221

11.4.1  查看数据指标   222

11.4.2  网络数据包分析   223

11.5  配置管理工具   227

11.5.1  Ansible   228

11.5.2  CFEngine   229

11.5.3  Chef   231

11.5.4  Puppet   234

11.5.5  Salt   237

11.5.6  配置管理工具的汇总说明   240

11.5.7  云环境下的配置管理工具演化   241

11.6  基础设施即代码   242

11.7  关于运维操作的未来   244

第12章  基础组件运维   245

12.1  负载均衡中间件   245

12.1.1  算法逻辑的影响   246

12.1.2  附加特性的作用   252

12.1.3  负载均衡方案   254

12.1.4  负载均衡总结   256

12.2  消息队列中间件   258

12.2.1  消息队列方案的技术决策   259

12.2.2  消息队列的技术演化   261

12.3  缓存中间件   262

12.3.1  缓存中间件的技术关注点   263

12.3.2  缓存中间件的选型策略   265

12.3.3  缓存中间件的技术演化   270

12.4  数据库   272

12.4.1  SQL数据库技术的选择   273

12.4.2  SQL数据库的配置注意事项   276

12.4.3  NoSQL数据库技术的选择   279

12.4.4  时序数据库技术   282

12.5  组件运维   283

第13章  云计算和容器   284

13.1  云计算基础   285

13.1.1  云计算平台运维   286

13.1.2  云计算平台上的产品运维   288

13.2  虚拟化   290

13.3  容器   292

13.4  云存储   296

13.5  云网络   299

13.6  混合云   302

13.7  云原生   305

13.7.1  云原生的需求情况   305

13.7.2  云原生的发展   307

13.7.3  云原生的展望   309