从混沌到秩序的蜕变，SRE解码云计算运维奥秘

什么是SRE

SRE（Site Reliability Engineering）即站点可靠性工程，最初由Google公司提出，通过将开发、运维等多方面进行整合，协同推进系统可靠性，从而确保业务服务能够持久运行。

这是一种新的模式，与传统的运维相比，更加强调服务于目标的多维因素整合，通过开发自动化、智能化工具、实时监测等手段，从根本上解决系统稳定性和可靠性问题。

为什么需要SRE

数字经济的发展日新月异，云计算已经成为企转数改的重要支撑和推动力量。云计算的优势无须多讲，随之而至的管理问题亦令人酸爽，本文以云计算平台管理为目标进展案例性分析。

• 环境复杂：从云主机、存储、数据库、中间件等主要类型向大数据、人工智能、容器、超算、智算等服务及云原生类产品衍生；其分散多样性以及规模都在不断增长。

• 可靠性要求高：作为应用系统的基础设施，承载了大量的业务；运维的目标就是保障业务安全运行的连续性，杜绝系统崩溃或者服务不可用。

• 维护成本高：不断演进的不仅仅是应用，各种云平台版本和服务类型也需要相应提升。运维团队及系统的知识、能力和经验需要快速更迭，才能满足运维目标要求。

• 运维协同难：平台服务日益复杂的应用环境，支撑工作日益繁杂的知识领域，运维团队日益壮大，运维协同日趋艰难。

SRE的核心原则

《SRE Google运维解密》一书中给出了SRE的经典核心原则，就不再赘述，本文以其为基础，抽象了几个核心关键点。

• 可靠性：可靠性应该被赋予与安全等同的重要性，对于每一个服务的设计都是以可靠性为首要目标。

• 自动化：通过自动化工具和流程来替代手动操作，提高效率和准确性，降低人为错误和重复性工作的发生。

• 监控和告警：对系统进行全面、实时的监控，通过监测关键指标辅助SRE团队快速发现问题，降低故障的影响。

• 故障演练和容量规划：通过分析历史数据，预测系统的资源需求，并进行容量规划；避免系统出现资源瓶颈。

借鉴行业优秀实践，并结合云计算业务场景与特性，可以进一步提炼为以下4个核心原则，来组织日常运维工作。

• 可监控：通过采集业务指标、日志、性能、告警等数据，快速分析与定位问题；准确识别故障，并及时采取措施解决问题。

• 可预测：通过故障预测来提高系统的可靠性和稳定性。预测故障可以帮助SRE团队比较早的了解到潜在的问题并及时采取措施。SRE通常会通过数据分析、模拟测试来预测故障。

• 可协同：将运维操作手册化、流程化，以便确保运维作业的一致性；提供线上协同工具，当出现问题时能够快速召集运维专家协同处理问题。

• 自动化：自动化是SRE方法论的核心，SRE强调尽可能的自动化来提高服务可靠性和生产率。自动化可以减少人为错误，提高一致性和重复性，并释放人力资源进行更有价值的工作。

SRE的核心原则不仅是构建高可靠性、可扩展性和弹性的系统关键能力要素，也是塑造运维工作方式的重要基础。通过遵循SRE的核心原则，能够快速发现、定位、响应和协同处理问题，同时也能够主动预防性维护和持续优化，提升系统的运行质量和稳定性。

基于SRE的工具链实践

SRE 的方法固然重要，但没有强有力的工具链来作为支撑，在执行面将面临步步维艰，因此，建设一套适合自身业务服务场景的SRE工具链，是让SRE实践得以高效运转的关键。

本文基于SRE 的核心原则，即在“事前”发现潜在问题，“事中”快速定位、处理问题，“事后”持续优化来规避问题。通过实时监控和分析数据，并采用自动化工具套件来减少手动操作，从而缩短故障处理时间，排除潜在故障点，并持续优化服务稳定性。

01 发现问题：准确、实时、全面的运行监测

在云计算环境中，算力服务的运行监控至关重要。开发/运维人员时常面临以下典型的问题：

• 监控指标无体系，监控指标覆盖不全，可配置化程度低。

• 告警风暴导致预警混乱，分不清需要处理的预警，甚至忽视重要预警。

• 告警被动响应，无法及时、可信地推送关键告警和故障信息，导致故障处理不及时。

• 预警能力弱，无法提前对潜在的风险或异常行为进行识别和报警。

SRE稳定性治理很重要的一部分就是预警治理，通过监控分层、统一预警配置、统一预警优化配置策略等措施来实现主动预警。从规则驱动向内生智能驱动转变，提升监控准确性，及时发现隐患。

指标有体系

建立一套全面覆盖的运维指标体系，通过指标分级的方式，提供丰富的业务监控指标，保障能够及时的发现问题。

根据对大量指标的分析，定义一套全面覆盖的指标度量体系。并根据指标的权重、关系以及对应运维人员的权责进行划定。设计指标时采取场景分类的方法：

• 脱管、中断类，定义为核心指标；如设备或者云服务宕机、网络不可达等。就是关键业务及服务指标异常代表业务不可用。通过抓主要矛盾的方法，关注核心路由器、IDC出口、资源池出入口等。

• 资源过载类，定义为关键指标；关键指标代表业务运行状态的健康度，如受到网络攻击，对应的网络流量、资源会发生指标的变化、产生告警，通过这类指标快速发现问题。

• 运行质量类，定义为重要指标；重要指标代表业务运行质量状态，如端口抖动、时延造成业务质量不达标等，关注事件的关联及变化。

信息有关联

告警的内容过于简单，会让处理告警的过程变成一个猜迷游戏，往往需要运维人员重新通过多种手段验证与推测后，才能确定问题所在。这也是处理告警耗时最多的地方。

• 影响资源：单机、集群、资源池、相关依赖；

• 影响业务：核心业务、旁路业务、非核心业；

• 关联trace：给出预警问题的一条trace链路，相当于把现场还原；

• 关联日志：详细的错误日志link能定位到具体代码和当时的堆栈信息；

• 关联告警：关联的预警信息，方便快速判断是否由其它关联问题引起；

• 异常检测：通过从推理速度、准确性和参数调整的变异性等多个维度验证，Matrix Profile算法能够极大的提高告警的准确度；

• 智能基线：兼顾多个指标波动变化，预测动态安全区间，准确发现异常。

核心上大屏

从底层物理机到云主机、到中间件、到客户业务的全链路端到端打通。实现业务指标全景监测，确保重大事件及时发现。

• 通信保障屏，对各类重要保障、风险操作、云主机接入操作、IDC机房入场事件进行过程追踪发现隐患，提供及时预警手段。

• 指挥调度屏，当发生重大故障、应急事件时，指挥调度屏可以一键发起联合作战。

• 态势感知屏，对资源池运行质量进行数据分析，提前预测趋势避免故障发生。

• 舆情屏，快速识别火灾、交通事故、自然灾害等热点事件对资源池、业务、客户的影响度，跟踪隐患和提前预案处理。

• 核心指标屏，核心业务监测指标上屏，发现突发事件、重大故障、网络攻击、宕机、运维人员非法操作时；能够快速的通过大屏做出声光电告警。

02 定位问题：智能诊断与根因分析

SRE倡导通过预测来提高系统的可靠性和稳定性。预警诊断就是把运维专家脑海中的经验转化成规则+多种数据间的潜在关联性，通过一些智能化的分析手段变成结果输出。

1)  多维度数据分布钻取，辅助问题定位

将整个全链路的监控数据进行汇聚并统一呈现，出问题时能够及时发现；同时通过多维度数据分布钻取，还能辅助问题定位。

2)  基于专家经验构建因果图，结合算法根因推断

结合专家经验和算法模型，通过构建因果图实现根因分析，从而识别故障的根本原因。以ECS为例，实例与云服务器的网络配置、端口通信、防火墙配置、安全组配置等多个环节相关联。任意一个环节出现问题，都会导致ECS运行实例无法访问。

ECS访问异常关联因素及可能导致的症状；从客户端到服务端的整个链路上，可能引发访问异常的关联因素如下：

收集其专家经验和知识，建立因果图。这些因果关系可能是定性的或定量的，以及直接或间接的。ECS相关联因素可能导致的症状如下：

目标ECS服务器内部环境可能因目标服务器欠费停机、CPU利用率过高、目标服务器内部配置等因素导致访问异常。对于ECS访问异常问题，建立故障因果排查图：

从异常点出发，综合时间序列相关性分析、剪技操作，并结合故障排查图的因果推断等算法，输出根因分析topr排序结果。

根据异常排障因果图，并结合算法模型以及专家经验和实际数据，逐步深入推断和识别问题的根本原因。需要注意的是，该过程中需要对算法模型和异常变量进行精细调整，以提高根本原因诊断的准确性和有效性。

03 解决问题：高效协同

当面对重大故障、风险操作、应急事件时，SRE团队是否能快速协作处理问题是至关重要的。传统的处理方法是召开网络会议，拉取相关专家人员参与讨论和解决问题。但这种方式存在很多弊端，如任务调度不清晰、无法进行实时跟踪和反馈、操作步骤难以留存等等，这些将会影响处理问题的效率。

协同作战的主要思路是将底层数据汇总，通过指挥调度快速解决问题，同时利用投屏可视化和机器人入驻作战室提醒等方式提高执行效率。

04 规避问题：风险控制

扁鹊见蔡桓公的故事家喻户晓，名医扁鹊的高超医术让我们惊叹。然而，从运维的角度思考这个故事，会发现提前预防，总比治疗好！最好的措施不是在你生病后采取治疗行动，而是在你身体健康的时候、根据你的日常生活习惯和体貌特征、体验报告，帮你未病先防，保护你免受病痛困扰。

健康检查项

评估规则与算法

• 健康度指标评分计算

初始根据提供的指标评分模型，每天定时计算当天的均值、峰值和标准差，进行分数测算。

• 健康度日志评分计算

通过定时任务每天收集日志，提取日志文件大小，日志数量，异常日志大小，异常日志数量指标，并通过设定预设的阈值来计算得分；同时，会对异常日志进行采样，并进行聚类分析，收集聚类结果。

除了设定阈值计算得分之外，还可以对指标进行多维度分析，如均值、峰值、标准差（波动性）等，以挖掘更多异常情况。对于每个指标，系统会使用相应的算法计算得分，异常的概率越大得分越低。

健康度告警评分计算

定期收集设备的存量告警，对于每个设备的告警，会根据告警等级和数量进行扣分，并根据设备告警维度得分计算规则进行计算。配置设备的告警维度得分计算规则可以设置不同告警等级的权重值、数量阈值等参数，从而得出每个设备告警得分。

• 健康度视图与呈现

提供健康度监测、性能监测、健康报告，通过展示各类资源的得分情况,帮助用户全面了解运行状况和健康情况。