梁凤明-SRE在游戏中的指标设计与实践-脱敏版.pdfVIP

SRE在游戏中的指标设计与实践

姓名梁凤明

腾讯IEG发行游戏SRE负责人

2012年加入腾讯，参与开发多款蓝鲸SaaS运维工具和辅助运营工具，同时负责多

款大型头部自研和代理业务的运营规划工作，先后在业务版本质量、用户体验等

维度推动专项解决方案落地，主导腾讯游戏版本管理平台和游戏体验管理平台等

产品的开发和产品设计，助力业务成功。个人擅长海量业务全生命周期的服务规

划、云原生技术，目前专注于腾讯游戏的SRE体系建设

腾讯游戏设计可观测指标的痛点

如何通过SRE视角设计游戏可观测指标？

如何让指标实践更进一步？

总结与展望

腾讯游戏设计可观测指标的痛点

腾讯游戏研发和运营模式

腾讯游戏业务主要分为纯自研和纯代理

部分合作研发和委托研发业务

游戏开发厂商众多，开发语言多样化

游戏类型众多，游戏架构差异大

不同游戏间相互独立，业务场景上差异大

指标监控系统繁杂，百家争鸣

游戏业务在指标设计实践上的巨大挑战

海量数据

对平台数据处理能力和运维配置管理能力提出巨大的挑战

环境迥异

物理机、容器、云服务

调用关系链复杂

涉及多项中台组件接入调用，可用性未知，如何快速了解

业务的状况和精准定位

使用成本高昂，故障定位难

涉及多个割裂的平台，不同的数据类型都有独立的平台

多项组件数据信息孤岛，牵扯人员广泛，沟通效率低，定

位效率低

维护效率低

游戏场景丰富，不同业务间构建游戏监控各异，标准不统

一，运维经验高低，造成运维互备和维护成本高

问题思考

采集的指标太少，案发现场无法追溯

采集了非常多的指标看不过来

总是事故复盘后才发现缺少了监控策略

配置了很多监控策略，告警太多麻木了

定位的时候只有Metrics不够用

运维配置的监控指标，研发和运营认可吗？

茫茫人海中，谁没有戴口罩？

如何通过SRE视角设计游戏可观测指标？

SRE视角下指标观测

SRE视角

数据度量准则——measureeverything

Ifyoucan’tmeasureyourproduct/component,don’tbuildit

运维应关注系统整体的稳定性和可靠性，设计并实现面向SLO服务等级的指标体系

架构设计准则——提倡左移

SRE可以将从开发到运营的可靠性原则嵌入到每个流程、应用和代码更改中，以提高投入生产的软件的质量。

SRE应该在初始设计阶段影响架构决策，目标是尽早采取积极主动的措施，以确保从一开始就内置质量和可靠性

运维可以通过云原生技术和微服务改造，协助开发进行架构设计和改造，那云原生业务的指标应该如何设计与实践？

SRE视角下指标观测

SRE视角

•面向SLO服务等级的指标体系

•面向云原生业务的指标体系

面向SLO服务等级的指标体系——功能导向转变为服务导向

噪音小

运维更关注业务整体稳定性指标

越是贴近用户的指标优先级越高

从上往下梳理，寻找黄金指标

并持续进行优化改进

噪音大

添加监控的最佳地址首先是用户与应用程序交互的点，尽可能贴近用户开始监控。--摘自《监控运营实践原则与策略》

SRE视角下，指标设计和实践