SRE学习笔记

最近项目快落地了，为了显得项目很有用，需要制定一些指标来描述项目的可靠性稳定性等，之前没接触过sre的内容，所以先学习一波。

SRE是指Site Reliability Engineer (网站可靠性工程师)。我的理解是，SRE就是运维的进化形态~负责把控web的稳定，并对各种突发情况做出应对。

通过在网上搜的得知，SRE重要理念有：
SLA （service level agreement）:服务等级协议 指整个服务可靠性协议，包含SLO和SLI以及不同情况的应对措施
SLO （service level objective）:服务等级目标 字面意思，例如响应时间达10ms
SLI（service level indicator）:服务等级对象 例如 可用性、延迟、准确性等
Availability:可用性
Reliability:可靠性
Maintainability :可维护性

SRE的稳定性指标是一套MT开头的缩写，分别是：
MTBF，Mean Time Between Failure，平均故障时间间隔
Pre-MTBF 阶段（无故障阶段，故障演练，预案系统）
Post-MTBF 阶段（无故障阶段，事后总结，事件管理）
MTTR，Mean Time To Repair， 故障平均修复时间
MTTI ，Mean Time To ldentify，平均故障发现时间
MTTK ，Mean Time To Know，平均故障认知时间
MTTF ，Mean Time To Fix，平均故障解决时间
MTTV ，Mean Time To Verify，平均故障修复验证时间

根据项目的需求，选择了一些比较合适的指标进行使用：

可用性比例，为了显得项目很好用，Availability的值越大越好，这项指标可以作为每次向服务器请求服务的参考依据，Availability有两种计算方式：
1)Availability = uptime ÷ (uptime + downtime)
2)Availability = Successful request ÷ Total request
由于我们项目每次使用的时间间隔较大且不稳定，更适合使用第二种计算方式。

2.MTBF，如上文，这是衡量平均故障时间间隔的指标，MTBF的值越大越好，这项指标可以作为解析结果的参考依据：
MTBF = ∑ (TOT) / F ——（TOT：Total Operational Time 总运行时间）
TOT = ∑ (Start of Downtime after last Failure – Start of Uptime after last Failure) —— ∑ (自上次Downtime后的总运行时间)
F = Number of Failures
MTBF也可以写作故障率FR，FR为MTBF的倒数，因此FR的值越小越好：
FR = 1 / MTBF

其他的指标也有相应的公式，当有具体需求的时候就可以用上。