SRE原理与实践：构建高可靠性互联网应用

SRE原理与实践：构建高可靠性互联网应用读书笔记模板01思维导图读书笔记作者介绍内容摘要目录分析精彩摘录目录0305020406思维导图原理应用可靠性工程互联网互联网软件方法可靠性能力软件工程设计互联网小结观测故障建设工作本书关键字分析思维导图内容摘要内容摘要内容介绍这是一本从架构、开发、测试、运维全流程讲解如何进行软件可靠性工程建设的著作，它将帮助读者构建针对软件可靠性工程的完整的知识体系、工程体系和理论体系。本书作者是虎牙科技的SRE架构师，他基于20余年的架构、研发和运维经验，用4年时间反复打磨，代表中国的工程师总结了中国互联网企业的SRE方法和经验。本书得到了中国SRE奠基人、虎牙科技CEO以及华为、腾讯、阿里、B站、亚马逊等企业的10余位技术专家高度评价并一致推荐。本书参考传统可靠性工程及软件可靠性工程体系，把传统可靠性工程中的“六性”（可靠性、维修性、测试性、保障性、安全性、环境适应性）转化为互联网软件可靠性工程的6种能力（可靠性设计能力、观测能力、修复能力、保障能力、反脆弱能力、管理能力）。每一项能力都包括：互联网SRE体系中的概念、能力的设计、能力建设的原则与方法、能力的度量与改进，以及相应的实践案例。通过这6种能力把可靠性相关的工作组织起来，6种能力对应6个工作方向，不仅清晰地描绘出互联网软件可靠性工程体系的全貌，而且详细阐述了每一种能力的获得方法。本书基于传统可靠性和软件可靠性的研究成果，借鉴和应用它们的成熟理论和工程方法，结合互联网软件的实际情况并加以融合和改进，提出了一套符合互联网时代的软件可靠性工程方法。此外，本书还介绍了可靠性管理能力，对互联网软件开发团队、运维团队的技术领导者以及希望转型为可靠性工程师的传统运维人员、开发人员应该都有一定参考价值。读书笔记读书笔记书中方法论和最佳实践都有，很适合SRE工程师参考，一会儿把其中核心推广到工作中，让小伙伴们系统化学习一遍！。目录分析1.1为什么要研究互联网软件可靠性工程1.2什么是可靠性工程1.3软件可靠性工程1.4互联网软件的可靠性第1章互联网软件可靠性概论1.6本章小结1.5互联网软件可靠性工程的工作思路第1章互联网软件可靠性概论1.1为什么要研究互联网软件可靠性工程1.1.1大型互联网企业的典型案例回顾1.1.2研究互联网服务可靠性的迫切性和重要性1.1.3研究软件可靠性工程是未来更复杂的软件产品发展的需要1.2什么是可靠性工程1.2.1可靠性与可靠性工程概述1.2.2可靠性工程发展的3个阶段1.2.3传统物理可靠性工程方法1.3软件可靠性工程1.3.1软件可靠性工程的概念1.3.2软件可靠性工程发展的两个阶段1.4互联网软件的可靠性1.4.1相关名词介绍1.4.2互联网软件可靠性工程现状及挑战1.4.3互联网软件可靠性工程方法发展的3个阶段1.5互联网软件可靠性工程的工作思路1.5.1理解软件可靠性的3个核心问题1.5.2建立可靠性工程体系框架的思路2.1软件生命周期的可靠性工作2.2故障生命周期的可靠性工作2.3可靠性工程6种能力综述2.4互联网软件可靠性度量与评价2.5本章小结12345第2章互联网软件可靠性工程及可靠性度量2.1软件生命周期的可靠性工作2.1.1互联网软件生命周期的可靠性工作及原则2.1.2需求阶段的可靠性工作2.1.3设计与实现阶段的可靠性工作2.1.4测试与验证阶段的可靠性工作2.1.5部署与发布阶段的可靠性工作2.1.6持续运行阶段的可靠性工作2.2故障生命周期的可靠性工作2.2.1监控故障2.2.2故障定界定位2.2.3修复故障2.4互联网软件可靠性度量与评价2.4.1可靠性度量介绍2.4.2可靠性度量和分析方法2.4.3软件可靠性度量过程2.4.4如何制定可靠性目标3.1为什么要进行可靠性设计3.2可靠性设计原则与通用方法3.3软件可靠性架构模型3.4可靠性分析与架构风险第3章互联网软件可靠性设计与分析3.5可靠性分配3.6架构分层设计及其可靠性方法3.7架构可靠性评审3.8可靠性预计3.9本章小结12345第3章互联网软件可靠性设计与分析3.1为什么要进行可靠性设计3.1.1什么是可靠性设计3.1.2可靠性是设计出来的3.2可靠性设计原则与通用方法3.2.1可靠性设计的原则3.2.2可靠性设计的4种方法3.5可靠性分配3.5.1可靠性分配的目的3.5.2可靠性分配的原则3.5.3可靠性分配的方法3.6架构分层设计及其可靠性方法3.6.1可靠性视角的分层架构3.6.2业务架构的可靠性设计3.6.3应用架构的可靠性设计3.6.4系统架构的可靠性设计3.6.5部署架构的可靠性设计3.6.6基础设施架构的可靠性设计3.6.7可靠性相关能力的设计3.7架构可靠性评审3.7.1评审目的3.7.2评审过程3.7.3评审方法4.1建设观测能力的目的4.2排查、监控、观测技术的发展4.3监控观测的感知场景与感知方式4.4观测能力设计第4章可靠性观测能力建设与实践4.5观测能力要求与度量4.7本章小结4.6观测能力建设实践第4章可靠性观测能力建设与实践4.2排查、监控、观测技术的发展4.2.1登录服务器通过系统命令排查问题4.2.2集中式监控系统与日志系统4.2.3可观测性4.2.4观测能力与监控4.2.5建立综合的观测能力4.3监控观测的感知场景与感知方式4.3.1业务可靠性感知4.3.2影响范围及原因定界定位4.3.3帮助理解复杂系统结构并自动建模4.3.4智能告警条件的数据感知4.3.5根因推荐与排查诊断、决策4.3.6容量感知与弹性4.3.7人的感知与决策能力4.3.8场景化的固化大盘4.3.9巡检与非实时分析4.4观测能力设计4.4.1设计原则4.4.2设计方法4.5观测能力要求与度量4.5.1定性要求与分析4.5.2定量要求与分析5.1软件故障修复能力概述5.3运维保障能力5.2软件故障修复能力设计与建设第5章故障修复、综合保障能力建设与实践5.4修复能力的度量和要求5.6本章小结5.5修复能力及保障能力建设实践第5章故障修复、综合保障能力建设与实践5.1软件故障修复能力概述5.1.1什么是软件故障修复能力5.1.2修复能力是现代软件系统的重要能力5.1.3研究故障规律是修复能力的基础5.2软件故障修复能力设计与建设5.2.1设计原则5.2.2预案平台的设计5.2.3变更型故障快速修复5.2.4灾难型故障快速修复5.2.5容量型故障快速修复5.2.6应急协同5.4修复能力的度量和要求5.4.1定性要求5.4.2定量要求与评估5.5修复能力及保障能力建设实践5.5.1虎牙音视频修复能力实践5.5.2预案平台建设实践5.5.3虎牙带宽资源保障能力实践6.1互联网软件可靠性试验与反脆弱能力概述6.2软件系统的脆弱性因素分析6.3反脆弱能力建设与分析6.4可靠性试验与反脆弱能力的要求6.5实践案例6.6本章小结010302040506第6章可靠性试验与反脆弱能力建设与实践6.1互联网软件可靠性试验与反脆弱能力概述6.1.1什么是可靠性试验与反脆弱能力6.1.2为什么要反脆弱6.2软件系统的脆弱性因素分析6.2.1环境、产品、人的关系6.2.2脆弱性因素分析6.3反脆弱能力建设与分析6.3.1应对脆弱性的思路6.3.2反脆弱能力建设原则6.3.3环境脆弱性的可靠性试验：混沌工程6.3.4软件系统自身的可靠性试验：故障注入6.3.5人为因素反脆弱设计：故障演练6.3.6变更型故障反脆弱设计：变更管控6.4可靠性试验与反脆弱能力的要求6.4.1定性要求6.4.2定量要求7.1可靠性管理工作概述7.2软件可靠性工作规划及目标管理7.3故障治理7.4人员与团队管理7.5以SRE方式运维业务7.6本章小结010302040506Chapter7第7章可靠性管理能力7.3故障治理7.3.1故障复盘7.3.2故障评审定级7.3.3定期回顾可靠性7.4人员与团队管理