SRE:Google运维解密pdf电子书免费版

SRE：Google运维解密是一本关于技术的书籍，谷歌神书，解密让人仰望的技术岗位——谷歌SRE，如何构建一个可长期维护的系统提供了非常宝贵的实践经验，不管对于运维还是开发来说，都是一本值得仔细阅读的好书。sregoogle运维解密pdf电子书，有需要的朋友可以免费下载。

SRE:Google运维解密书籍介绍

大型软件系统生命周期的绝大部分都处于“使用”阶段，而非“设计”或“实现”阶段。那么为什么我们却总是认为软件工程应该首要关注设计和实现呢？在《SRE：Google运维解密》中，Google SRE的关键成员解释了他们是如何对软件进行生命周期的整体性关注的，以及为什么这样做能够帮助Google成功地构建、部署、监控和运维世界上现存*的软件系统。通过阅读《SRE：Google运维解密》，读者可以学习到Google工程师在提高系统部署规模、改进可靠性和资源利用效率方面的指导思想与具体实践——这些都是可以立即直接应用的宝贵经验。

任何一个想要创建、扩展大规模集成系统的人都应该阅读《SRE：Google运维解密》。《SRE：Google运维解密》针对如何构建一个可长期维护的系统提供了非常宝贵的实践经验。

SRE:Google运维解密目录

第Ⅰ部分　概览

第1 章　介绍

系统管理员模式

的解决之道：

方法论

确保长期关注研发工作

在保障服务SLO 的前提下最大化迭代速度

监控系统

应急事件处理

变更管理

需求预测和容量规划

资源部署

效率与性能

小结

第2 章　Google 生产环境：SRE 视角

硬件

管理物理服务器的系统管理软件

管理物理服务器

存储

网络

其他系统软件

分布式锁服务

监控与警报系统

软件基础设施

研发环境

莎士比亚搜索：一个示范服务

用户请求的处理过程

任务和数据的组织方式

第Ⅱ部分　指导思想

第3 章　拥抱风险

管理风险

度量服务的风险

服务的风险容忍度

辨别消费者服务的风险容忍度

基础设施服务的风险容忍度

使用错误预算的目的

错误预算的构建过程

好处

第4 章　服务质量目标

服务质量术语

指标

目标

协议

指标在实践中的应用

运维人员和最终用户各关心什么

指标的收集

汇总

指标的标准化

目标在实践中的应用

目标的定义

目标的选择

控制手段

可以建立用户预期

协议在实践中的应用

第5 章　减少琐事

琐事的定义

为什么琐事越少越好

什么算作工程工作

琐事繁多是不是一定不好

小结

第6 章　分布式系统的监控

术语定义

为什么要监控

对监控系统设置合理预期

现象与原因

黑盒监控与白盒监控

个黄金指标

关于长尾问题

度量指标时采用合适的精度

简化，直到不能再简化

将上述理念整合起来

监控系统的长期维护

：警报过多的案例

：可预知的、可脚本化的人工干预

长跑

小结

第7 章　Google 的自动化系统的演进

自动化的价值

一致性

平台性

修复速度更快

行动速度更快

节省时间

自动化对Google SRE 的价值

自动化的应用案例

的自动化使用案例

自动化分类的层次结构

让自己脱离工作：自动化所有的东西

舒缓疼痛：将自动化应用到集群上线中

使用Prodtest 检测不一致情况

幂等地解决不一致情况

专业化倾向

以服务为导向的集群上线流程

：仓库规模计算机的诞生

可靠性是最基本的功能

建议

第8 章　发布工程

发布工程师的角色

发布工程哲学

自服务模型

追求速度

密闭性

强调策略和流程

持续构建与部署

构建

分支

测试

打包

系统

部署

配置管理

小结

不仅仅只对Google 有用

一开始就进行发布工程

第9 章　简单化

系统的稳定性与灵活性

乏味是一种美德

我绝对不放弃我的代码

“负代码行”作为一个指标

最小

模块化

发布的简单化

小结

第Ⅲ部分　具体实践

第10 章　基于时间序列数据进行有效报警

的起源

应用软件的监控埋点

监控指标的收集

时间序列数据的存储

标签与向量

规则计算

报警

监控系统的分片机制

黑盒监控

配置文件的维护

十年之后

第11 章　on-call 轮值

介绍

工程师的一天

工作平衡

数量上保持平衡

质量上保持平衡

补贴措施

安全感

避免运维压力过大

运维压力过大

奸诈的敌人-运维压力不够

小结

第12 章　有效的故障排查手段

理论

实践

故障报告

定位

检查

诊断

测试和修复

神奇的负面结果

治愈

案例分析

使故障排查更简单

小结

第13 章　紧急事件响应

当系统出现问题时怎么办

测试导致的紧急事故

细节

响应

事后总结

变更部署带来的紧急事故

细节

事故响应

事后总结

流程导致的严重事故

细节

灾难响应

事后总结

所有的问题都有解决方案

向过去学习，而不是重复它

为事故保留记录

提出那些大的，甚至不可能的问题：假如……

鼓励主动测试

SRE:Google运维解密pdf预览