SRE实战手册

SRE（Site Reliability Engineering），网站稳定性工程，最早是由Google设置的一类工程师岗位，专职负责其超大规模分布式产品（如搜索、Gmail、Docs等）的稳定性。而后，SRE慢慢发展成了一系列面向稳定性的，包括技术、管理、流程、组织架构，以及文化建设的最佳实践，并最终被提炼成一套方法论，广泛流传。

在国内，SRE的这套方法论，也被很多企业的IT团队作为技术能力提升和组织转型，特别是运维转型的参考标准。但是，在实际落地这套方法论时，大家有很多疑惑，比如：

• SRE如果不是运维的升级版，那它到底是什么？
• SRE涉及范围如此之大，到底应该从哪里入手建设呢？
• 在稳定性方面，有些公司已经做了很多工作，特别是在技术体系搭建上，为什么还是故障频发？难道单纯的技术保障还不够吗？
• 引入了SRE，团队的能力应该怎么提升？组织架构应该怎么匹配呢？

因此，我们邀请赵成老师开设了《SRE实战手册》这个课程。他将结合自己的实践经验，从基础理论和实践操作两方面入手，一次性解决你心中的困惑，帮助你正确认识SRE，掌握可落地的实践方法。

这个课程分为基础篇和实践篇两大模块。

• 基础篇：带你从实践的角度理解SRE是什么，并以SRE的基本概念SLO和SLI作为切入点，教你一步步建立起SRE稳定性标准。最后结合具体的电商案例，分享在实际场景中设定稳定性目标应该考虑的因素。
• 实践篇：围绕“故障”这个影响稳定性的核心事件，分享故障发现、故障处理、故障复盘三个阶段的最佳实践。同时，着眼落地SRE时绕不开的组织架构问题，分享真实的组织架构设置实践和高效的跨团队协作经验。