江苏龙网

  1. 首页 > 人文 > >

唯一机械 这14个问题不要错过，直播问答丨围绕故障管理谈SRE体系建设


唯一机械 这14个问题不要错过，直播问答丨围绕故障管理谈SRE体系建设
文章图片
6月17日 ， 美图SRE负责人石鹏在deeplus带来了《围绕故障管理 ， 谈SRE体系建设》线上直播分享 ， 并在线回答了观众提问 ， 本文精选出14个问题和解答与大家分享 。
>>>>
Q&A
Q1：请问DevOps与SRE是什么关系？
A：看来大家对DevOpsvsSRE的问题还是比较热衷的 ， 在很多场合下都会听到这样的问题 。 从我的理解来看 ， 两者在工作范畴上是存在交叉重叠的 ， 两者最本质的差异应该在于组织目标的侧重点上 ， 即：效率vs稳定性 。
Q2：如果维护对象质量太差 ， 该怎么做SRE呢？
A：恩 ， 这个问题还是略“尖锐”的哈 。 感觉可以从两个方面入手吧：
①SRE需要提升自己的掌控能力 ， 尽可能用自己的掌控力去cover维护对象本身的质量问题；从另一个角度来看 ， 不管你维护的对象本身质量如何 ， 如果你都能够应对自如 ， 这正是SRE的价值所在 。
当然 ， 上面这个状态是比较理想主义的 ， 除此之外SRE还需要做到下面这点 。
②从SRE的角度给服务的研发、测试甚至是产品同学提出合理的建议 ， 辅助提升产品的质量 。 这里就可以引用我们在直播中所讲到的“故障前的准备工作”的方法框架 ， 比如柔性设计：这可能并不是所有的服务在设计之初都有考虑、实现的 ， 然后这些特性却都是有助于我们更好地去保障服务的 。 这时候我们就可以提出相关的建设意见 。
其实「服务质量」本身就是一个需要跨部门协作的事情 ， 在统一好目标的前提下 ， 去推动共同建设就好 。
Q3：关于SRE团队组成 ， 开发+运维的占比人数大概应该是怎样的一个组合呢？
A：这个还是要看具体的场景吧 ， 看业务的复杂程度、看SRE团队的技术功力 。 像Google、Netflix等SRE理念落地成功的案例中 ， 研发运维比就会比较高 ， 比如Netflix只有个位数的核心SRE ， 支持着全球的业务 。
Q4：石老师 ， 请问那个架构图里标识出异常模块 ， 是如何实现的？
唯一机械 这14个问题不要错过，直播问答丨围绕故障管理谈SRE体系建设
文章图片
故障管理-监控告警
A：我简单说一下实现思路 ， 有需要的可以自己去了解一下 ， 网络上也有一些相关的资料 。
用到的技术、工具主要有：Grafana、Grafana的一个插件Flowcharting、Grafana-images-render、draw.io在线绘图、企业微信机器人(钉钉、飞书等其他企业IM也是同样的)、用户发送告警的脚本或平台 。
实现步骤：
①实现图的动态数据功能
draw.io绘图(https://app.diagrams.net/) 。
将draw.io绘制的图形源码（*.drawio文件）完整copy到Grafana(Grafana→Visualization→FlowCharting→SourceContent) 。
为图形配置数据源 。
将图形中的各个元素(图块、线条)跟对应的监控指标绑定 。
②实现告警发送功能
获取监控图的渲染地址 ， 用Grafana-images-render渲染为公网可以访问的图片
编写告警脚本实现发送监控图到企业微信等IM工具的告警通道
配置Grafana的告警功能 ， 在告警触发的时候调用上一步中的告警通道 ， 把告警时刻的监控图图形发送给告警接收人
下面贴一些资料 ， 供大家参考：
插件教程：https://algenty.github.io/flowcharting-repository/STARTED.html
在线演示：https://play.grafana.org/d/_J1UvKjWk/flowcharting-aws-cloud?orgId=1
插件源码：https://github.com/algenty/grafana-flowcharting
插件首页：https://algenty.github.io/flowcharting-repository/
插件安装：https://grafana.com/grafana/plugins/agenty-flowcharting-panel
插件效果：https://twitter.com/gf_flowcharting/status/1183386365175746562


推荐阅读


上一篇：你的拍照男友|矮个子穿裙子要慎重，这3大雷区勿踩

下一篇：皮包公司|老总亲戚带项目上门签几十万大单子 原来是“皮包公司”