SRE精英联盟：2024年SRE实践白皮书v1.0.5.pdf

SRE实践白皮书

v1.0.5

2024年12月

SRE-E

修订记录

1.0.5修订记录：

本次新增约3万字

•第三章第5节《故障应急》：结构进行了全面优化，

新增B站和蚂蚁的两个案例

•调整“应用服务SLI/SLO/SLA”“重大技术保障”章

节至本章，并在后者新增《OPPO春节业务保障》案例；

•大幅幅完善故障应急体系内容

1.0.4修订记录：

•第三章第2节《研发保障》结构进行了优化，并增加

了《某大型游戏全球研发保障实践》等合共2个案例，新增

2.7万字。

•第三章第5节《故障应急》结构进行了优化，依据

2024年6月22日北京小米站沙龙更新并增加了《小米故障

应急响应经验分享》等合共5个案例，新增4.5万字。

1.0.3修订记录：

•第三章第4节《变更管理》依据2024年4月13日上

海B站沙龙更新约4万字，包括6篇不同类型的企业案例

1.0.2修订记录：

•增加了版权声明为CCBY-ND4.0

•修正了目录没有3.1.1的问题

•修改了页眉的时间点

•修正了部分错别字

目录

第一章SRE整体介绍1

1.1前言1

1.2SRE发展历程2

1.3SRE的目标4

第二章SRE的组织架构6

第三章SRE的职能10

1可靠性架构设计10

1.1应用韧性架构11

1.1.1分布式设计11

1.1.2解耦设计11

1.1.3冗余设计11

1.1.4熔断设计12

1.1.5限流设计12

1.1.6降级设计13

1.1.7可观测设计13

1.2基础设施保障14

1.2.1机房多活14

1.2.2网络容灾14

1.3数据灾备14

1.3.1数据备份14

1.3.2数据回滚14

2研发保障15

2.1研发保障体系设计16

2.1.1代码可靠性16

2.1.2代码仓库可靠性28

2.1.3构建可靠性34

2.1.4制品可靠性38

2.2研发保障工程体系设计42

2.2.1面向研发保障的持续集成流水线42

2.2.2面向研发保障的可观测设计46

2.2.3面向研发保障的操作调度操作平台48

2.2.4面向研发保障的ITSM平台51

2.2.5面向研发保障的容器平台51

2.2.6面向研发保障的编译加速平台53

2.3研发保障案例55

2.3.1腾讯游戏全球研发保障实践55

2.3.2某语音直播公司研发过程保障实践129

3入网控制152

3.1运行环境适配152

3.1.1运营环境设计152

3.1.2容器云适配154

3.1.3数据库存储适配157

3.1.4信创适配158