何碧宏-群核科技SaaS系统SRE稳定性保障实践.pdfVIP

群核科技SaaS系统SRE

稳定性保障实践

前言

2021~2024年4年间，P3以上总故障数从3位数降到2位数，降幅72%以上

系统稳定性水平大幅提升

降34%

降26%降72%

降43%

这几年，都做了哪些措施，实现了故障数的大幅下降？

GOPS全球运维大会暨研运数智化技术峰会2025·深圳站

目录/CONTENTS

1群核科技SaaS系统稳定性保障特点及要求

2稳定性保障文化、制度建设

3稳定性保障的产品体系以及建设路径

4降低故障数、MTTR的有效措施

5AI及大模型技术在群核科技稳定性保障中的应用和展望

群核科技SaaS系统

稳定性保障特点

群核科技SaaS系统稳定性保障特点

群核科技稳定性保障特点

用户主动投诉率高，对MTTR要求高，故障打断

战略客户、重点客户需要特别保障，对故障的容

14对接生产工作流、或丢失设计元件，会直接造成

忍度极低

经济损失

微服务的架构，底层的错误和性能问题，向上放

用户定制化功能多、小数据的业务故障也需要监

25大，会造成大面积故障，影响到关键业务，定位

控到、需要高效处理，确保每一个用户优质服务

难度高

设计类工具，业务逻辑复杂、链路长，大量三维服务覆盖国内外，架构复杂，覆盖腾讯云、阿里

3计算、AI算法、大对象、大场景、胖前端，性能6云、AWS、自建渲染机房、GPU集群、公有云弹

要求高，故障难发现、解决复杂性云、偏远小机房等10多个IDC及集群

SaaS用户都是付费用户，SaaS系统稳定性保障要求高、有其特别的地方

GOPS全球运维大会暨研运数智化技术峰会2025·深圳站

稳定性保障文化

与制度建设

稳定性保障整体制度与文化

故障分、指标运营机制

稳风险防范与运营机制

定

性应急流程与机制

保

障复盘机制与文化

稳定性任务改进机制

GOPS全球运维大会暨