Google SRE工作手册
正版保障 假一赔十 可开发票
￥ 54.78 4.3折 ￥ 128 全新
库存4件
广东广州
认证卖家担保交易快速发货售后保障
作者(美)贝特西(Betsy Beyer)[等]编著
出版社中国电力出版社
ISBN9787519845858
出版时间2020-09
装帧平装
开本16开
定价128元
货号9910365
上书时间2024-09-02
商品详情
- 品相描述：全新
- 商品描述
-
前言
商品简介你将会学到：
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*价值。 从绿地或者棕地上启动SRE的方法。
作者简介
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。
目录
目录
序言 I 1
序言 II 3
前言 7
第1 章 SRE 与DevOps 的关系 17
SRE 是DevOps 的一种实现方式 17
关于DevOps 的背景情况 18
不再各自为政 18
意外乃兵家常事 19
变更要小步快跑 19
工具与文化休戚与共 20
准确的度量至关重要 20
关于SRE 的背景情况 20
运维痛点也是软件问题 21
以服务质量目标(SLO)为准绳 21
尽量减少琐事 21
生产的智慧 22
确定本年度要自动化的工作 22
故障解决得越快，进度就越快 22
与开发人员同舟共济(share ownership) 23
岗位虽不同，工具可统一 24
比较与对照 24
因地制宜才能事半功倍 25
片面、刻板的激励机制会阻碍成功 26
解铃还须系铃人，勿怨他人 26
维护可靠性是专业化角色 27
毋庸斟酌是否，只需推敲时机 28
尽量在职业发展和物质激励上一视同仁 28
小结 28
第I 部分 基础篇
第2 章 实施SLO 33
SRE 为何需要SLO 34
入门 34
可靠性目标和错误预算 35
面向SLI 的度量 36
范例系统分析 40
SLI 从规范到实现 42
度量SLI 44
使用SLI 计算初始的SLO 45
选择合适的时间窗口 46
获取利益干系者的认同 48
建立错误预算策略 48
SLO 和错误预算策略的文档 49
仪表板和报表 51
SLO 目标持续改进 52
改进SLO 质量 53
基于SLO 和错误预算的决策 55
进阶主题 57
用户旅程建模 57
系统互动重要性分级 58
依赖关系建模 59
SLO 松绑实验 60
小结 61
第3 章 SLO 工程案例研究 62
Evernote 的SLO 故事 62
Evernote 为何采用SRE 模型？ 63
导入SLO 开始旅程 64
打穿客户与云提供商之间的SLO 墙 67
当前状态 68
Home Depot 的SLO 故事 69
SLO 文化项目 70
我们的第一套SLO 71
宣传SLO 73
自动化VALET 数据采集 75
SLO 的发扬光大 77
VALET 应用于批处理应用 77
VALET 应用于测试 78
未来的愿景 78
结论 80
小结 80
第4 章 监控 81
监控策略必备特性 82
速度 82
计算 82
接口 83
告警 84
监控数据源 84
范例 85
管理监控系统 88
实现配置即代码(Configuration as Code) 88
鼓励一致性 88
倡导松散耦合 89
度量指标的意图 90
预期的变更 90
依赖关系 91
饱和度 92
服务流量状况 92
实施有意图的度量指标 93
测试告警逻辑 93
小结 94
第5 章 基于SLO 的告警 96
告警设定考量 96
重大事件告警方法 97
1：目标错误率≥ SLO 阈值 98
2：延长告警时间窗口 99
3：延长告警触发前的持续时间 100
4：根据燃烧率发出告警 101
5：基于多个燃烧率的告警 104
6：基于多个窗口、多个燃烧率的告警 106
低流量服务和错误预算告警 108
生成人工流量 108
组合多个服务 109
改变服务和基础设施 109
降低SLO 或延长时间窗口 110
极端的可用性目标 111
扩大告警范围 111
小结 113
第6 章 消除琐事 114
什么是琐事？ 114
度量琐事 117
琐事分类法 119
业务流程 119
生产中断 120
产品发布 120
迁移 120
工程成本和容量规划 121
不透明架构的故障排查 121
琐事管理策略 122
识别和度量琐事 122
工程师撤出琐事系统 123
拒绝琐事 123
使用SLO 消减琐事 123
从半自动界面开始 123
提供各种自助服务方法 124
获得管理层和同事的支持 124
大力推广消减琐事 125
从小处着手和改善 125
增加一致性 125
评估自动化的风险 126
自动化响应琐事 126
使用开源和第三方工具 127
使用反馈进行改进 127
实例研究 128
案例研究1：利用自动化减少数据中心的琐事 129
背景 129
问题陈述 132
我们的决策 132
首个设计方案：修复Saturn 线卡 133
实施 133
第二个迭代的设计：Saturn 线卡修复vs Jupiter 线卡修复 135
实施 136
经验教训 140
案例研究2：退役文件服务器后端的主目录 143
背景 143
问题陈述 143
我们的决策 144
设计与实施 145
重要组件 147
经验教训 149
小结 152
第7 章 简单性 153
度量复杂性 153
简单性是端到端的，适合由SRE 来负责 155
案例研究1：端到端API 的简单性 156
案例研究2：项目生命周期复杂性 156
回归简单性 157
案例研究3：简化广告展示系统的蜘蛛网 159
案例研究4：在共享平台上运行数百个微服务 161
案例研究5：pDNS 不再依赖于自身 163
背景 163
小结 164
第II 部分 实践篇
第8 章 on-call 轮值 169
回顾第一本SRE 书中的“on-call 轮值” 170
Google 内外的on-call 部署模式案例 171
Google：组建一个新的团队 172
Evernote：在云端寻找我们的足迹 176
实战的实施细节 179
剖析告警压力 179
on-call 灵活性 191
on-call 团队士气 195
小结 198
第9 章 事故响应 199
Google 的事故管理 200
事故指挥系统 200
事故响应中的主要角色 201
案例分析 201
案例1：软件bug——灯亮着，但家里没人 202
案例2：服务故障——尽可能多地进行缓存 205
案例3：停电——闪电不会两次击中同一个地方……吗？ 211
案例4：PagerDuty 的事故响应 214
把最佳实践付诸实施 217
事故响应培训 217
前期准备 218
演习 219
小结 220
第10 章 事后总结：从失败中学习 221
案例分析 222
糟糕的事后总结 223
为什么这是一份差劲的事后总结？ 226
优秀的事后总结 229
这份事后总结好在哪？ 241
组织激励 243
树立和加强对事不对人的模式 243
奖励事后总结的成果 244
公开分享事后总结 245
面对事后总结文化的淡化 247
工具和模板 248
事后总结模板 248
事后总结的工具 249
小结 252
第11 章 管理负载 253
Google 云的负载均衡 253
Anycast 254
Maglev 256
全球负载均衡系统 257
Google 前端(GFE) 257
GCLB(Google 云负载均衡系统)：低延迟 258
GCLB：高可用性 259
案例研究1：应用GCLB 的Pokémon GO 260
自动缩放 264
处理不健康的机器 264
使用有状态系统 265
保守地配置 266
设置约束 266
准备终止开关和手动覆写功能 267
避免后端超载 267
避免流量不平衡 267
管理负载的多种策略 268
案例研究2：减载引发的攻击 268
小结 272
第12 章 介绍非抽象大系统设计 273
什么是NALSD ？ 273
为什么“非抽象”？ 274
AdWords 示例 274
设计过程 274
初始需求 276
单机设计 277
分布式系统 280
小结 290
第13 章 数据处理流水线 292
流水线应用 293
从事件处理/ 数据转置到有序或结构化数据 293
数据分析 294
机器学习 294
流水线最佳实践 297
定义和度量服务质量目标 297
为依赖性故障做好准备 299
创建和维护流水线文档 300
梳理开发生命周期 301
减少热点和工作负载模式 304
实施自动扩展和资源规划 305
遵循存取控制规则和安全策略 306
计划升级路径 307
流水线需求分析和设计 307
你需要什么功能？ 307
幂等和两阶段突变 309
检查点 309
代码模式 310
流水线投产准备 311
流水线故障的预防和响应 314
潜在的故障模式 315
可能的原因 316
案例研究：Spotify 318
事件交付 318
事件交付系统的设计与架构 319
客户整合与支持 324
总结 330
小结 330
第14 章 配置设计及最佳实践 331
什么是配置 331
配置和可靠性 332
分离原则和机制 333
配置原则 333
问用户配置问题 335
问题应该紧贴用户目标 335
必答和可选问题 336
逃避简单 338
配置机制 339
配置和生成的数据分离 339
工具的重要性 341
所有权和变更跟踪 342
安全的应用配置变更 343
小结 344
第15 章 配置规范 345
配置带来的琐事 345
减少配置带来的琐事 346
配置系统的关键属性和陷阱 347
陷阱1：没有把配置作为一种编程语言 347
陷阱2：设计特殊的语言功能 348
陷阱3：在特定领域做了很多优化 349
陷阱4：将“配置评估”与“外部干扰”交织在一起 349
陷阱5：使用现有的通用脚本语言(如Python、Ruby 或Lua) 349
集成配置语言 351
以特定格式生成配置 351
驾驭多种应用 351
集成现有应用程序：Kubernetes 352
Kubernetes 提供了什么？ 353
Kubernetes 配置示例 353
集成配置语言 354
集成定制应用程序(自开发软件) 357
有效地运行配置系统 360
版本控制 360
源代码控制 361
工具 361
测试 361
何时评估配置 362
早期：提交JSON 时 362
中期：在编译时进行评估 363
后期：在运行时评估 364
防止滥用配置 365
小结 366
第16 章 金丝雀发布 367
发布工程原则 368
平衡发布速率和可靠性 369
什么是金丝雀发布？ 370
发布工程和金丝雀发布 371
金丝雀流程的需求 371
我们的示例配置 372
用前滚部署还是简单的金丝雀部署 372
实施金丝雀 375
将SLO 和错误预算的风险降至最低 375
选择金丝雀群体和持续时间 376
规模和持续时间 377
选择和评估指标 378
指标应反映出问题 378
指标要代表性和归因性兼具 379
评估前后有风险 380
用渐进式金丝雀更好地选择指标 381
依赖关系和隔离 381
非交互式系统中的金丝雀 382
监控数据需求 383
相关概念 384
人工负载生成 384
流量准备 385
小结 385
第III 部分 流程
第17 章 发现运维超负荷并从中恢复 389
从正常负荷到超负荷 390
案例研究1：团队规模缩小一半后的工作超负荷 392
背景 392
问题描述 393
我们决定做什么 393
实践 393
经验教训 394
案例研究2：组织和工作负荷发生变化后的感知超负荷 395
背景 395
问题陈述 396
我们决定做什么 397
实践 398
成效 400
经验教训 400
缓解超负荷的策略 400
识别超负荷的症状 401
减少超负荷并恢复团队健康 402
小结 404
第 18 章 SRE 参与模式 405
服务的生命周期 406
阶段1：架构与设计 406
阶段2：积极开发 407
阶段3：有限可用性 407
阶段4：一般可用性(GA) 408
阶段5：退出 408
阶段6：放弃 408
阶段7：终止支持 409
建立关系 409
沟通业务和生产的优先级 409
识别风险 409
对齐目标 409
制定基本规则 414
规划与执行 414
维持有效的持续关系 415
花时间在更好的合作中 415
保持顺畅的沟通 415
进行定期服务审查 416
基本规则开始下滑时要追因 416
根据你的SLO 和错误预算调整优先级 417
合理处置错误 417
在更大的环境里规模化推行SRE 418
通过一个SRE 团队支持多个服务 418
构建多SRE 团队的环境 419
SRE 团队结构主动顺应变化的环境 420
运行团结的分布式SRE 团队 420
终止关系 421
案例研究1：Ares 421
案例研究2：数据分析流水线 423
小结 425
第19 章 SRE：跨越壁垒 426
不言而喻的事实 426
可靠性是最重要的特性 427
可靠性以用户为准绳，以监控系统为参考 427
可靠性是你运行一个平台的搭档 427
重要的东西终将成为平台 428
客户不满意时必须放缓脚步 428
实践SRE 要与客户共舞 429
实践SRE 怎样与客户共舞 429
步骤1：SLO 和SLI 是你的语言 430
步骤2：审核监控系统、构建共享仪表板 431
步骤3：度量并重新协商 432
步骤4：设计评审流程、进行风险分析 432
步骤5：实践、实践、再实践 433
有思想、有纪律 433
小结 434
第20 章 SRE 团队生命周期 435
没有SRE 的SRE 实践 435
引入SRE 角色 436
寻找第一位SRE 436
安排第一位SRE 437
启动第一位SRE 工程师 438
分布式SRE 439
第一个SRE 团队 439
组建期 440
激荡期 441
规范期 445
执行期 448
打造更多SRE 团队 450
服务复杂度 451
SRE 推广 452
地理分隔 452
多团队运作的建议实践 456
角色交换 456
SRE 交换(exchange) 457
培训 457
横向项目 457
SRE 流动性 458
出差 459
成立协调工程团队 459
卓越生产 459
SRE 预算和招聘 460
小结 460
第21 章 管理SRE 的组织变革 461
SRE 拥抱变革 461
变革管理概述 462
Lewin 的三阶段模型 462
McKinsey 的7-S 模型 462
Kotter 的变革八步法 463
Prosci ADKAR 模型 464
基于情感的模型 464
戴明环 464
这些理论在SRE 中的应用 465
案例研究1：扩展Waze——从见机行事到计划性变革 465
背景 465
消息队列：在保持可靠性的同时更换系统 466
下一轮变革：改善部署过程 468
经验教训 469
案例研究2：在SRE 中采用通用工具 470
背景 470
问题描述 471
我们的决策 472
设计 473
实施：监控 474
经验教训 475
小结 477
结论 478
向前看 478
未来属于过去 478
SRE + < 其他学科> 479
涓涓细流、溪流和洪水 479
SRE 属于我们所有人 480
感激之情 480
附录A SLO 示例文档 481
附录 B 错误预算策略示例 486
附录 C 事后总结分析结果 489
作者介绍 491
封面介绍 491
主编推荐
在2016年，Google出版的*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*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。
精彩内容
在2016年，Google出版的第一本网站可靠性工程（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
— 没有更多了 —
以下为对购买帮助不大的评价