SRE原理與實踐：構(gòu)建高可靠性互聯(lián)網(wǎng)應(yīng)用

定　價：￥99.00

作　者：	張觀石著
出版社：	機械工業(yè)出版社
叢編項：
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787111715825	出版時間：	2022-12-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：		字?jǐn)?shù)：

內(nèi)容簡介

　　這是一本從架構(gòu)、開發(fā)、測試、運維全流程講解如何進(jìn)行軟件可靠性工程建設(shè)的著作，它將幫助讀者構(gòu)建針對軟件可靠性工程的完整的知識體系、工程體系和理論體系。本書作者是虎牙科技的SRE架構(gòu)師，他基于20余年的架構(gòu)、研發(fā)和運維經(jīng)驗，用4年時間反復(fù)打磨，代表中國的工程師總結(jié)了中國互聯(lián)網(wǎng)企業(yè)的SRE方法和經(jīng)驗。本書得到了中國SRE奠基人、虎牙科技CEO以及華為、騰訊、阿里、B站、亞馬遜等企業(yè)的10余位技術(shù)專家高度評價并一致推薦。本書參考傳統(tǒng)可靠性工程及軟件可靠性工程體系，把傳統(tǒng)可靠性工程中的“六性”（可靠性、維修性、測試性、保障性、安全性、環(huán)境適應(yīng)性）轉(zhuǎn)化為互聯(lián)網(wǎng)軟件可靠性工程的6種能力（可靠性設(shè)計能力、觀測能力、修復(fù)能力、保障能力、反脆弱能力、管理能力）。每一項能力都包括：互聯(lián)網(wǎng)SRE體系中的概念、能力的設(shè)計、能力建設(shè)的原則與方法、能力的度量與改進(jìn)，以及相應(yīng)的實踐案例。通過這6種能力把可靠性相關(guān)的工作組織起來，6種能力對應(yīng)6個工作方向，不僅清晰地描繪出互聯(lián)網(wǎng)軟件可靠性工程體系的全貌，而且詳細(xì)闡述了每一種能力的獲得方法。本書基于傳統(tǒng)可靠性和軟件可靠性的研究成果，借鑒和應(yīng)用它們的成熟理論和工程方法，結(jié)合互聯(lián)網(wǎng)軟件的實際情況并加以融合和改進(jìn)，提出了一套符合互聯(lián)網(wǎng)時代的軟件可靠性工程方法。此外，本書還介紹了可靠性管理能力，對互聯(lián)網(wǎng)軟件開發(fā)團隊、運維團隊的技術(shù)領(lǐng)導(dǎo)者以及希望轉(zhuǎn)型為可靠性工程師的傳統(tǒng)運維人員、開發(fā)人員應(yīng)該都有一定參考價值。

作者簡介

　　張觀石資深運維專家和架構(gòu)師，擁有20余年軟件開發(fā)、架構(gòu)、運維、SRE經(jīng)驗。目前就職于虎牙直播，歷任項目研發(fā)負(fù)責(zé)人、SRE負(fù)責(zé)人、架構(gòu)師，虎牙事故管理委員會委員、基礎(chǔ)保障部架構(gòu)師委員會委員。為虎牙基于微服務(wù)架構(gòu)的直播業(yè)務(wù)、音視頻業(yè)務(wù)、海外直播業(yè)務(wù)建立了穩(wěn)定的保障體系，多次擔(dān)任虎牙“英雄聯(lián)盟全球總決賽直播”穩(wěn)定性保障負(fù)責(zé)人。在混合多云架構(gòu)、可觀測性、預(yù)案、變更管控、AIOps等SRE領(lǐng)域有深入研究和豐富經(jīng)驗。同時，他也是中國信通院分布式系統(tǒng)穩(wěn)定性實驗室高級技術(shù)專家，參與編寫了《信息系統(tǒng)穩(wěn)定性保障能力建設(shè)指南》?！哆\維前線》一書的聯(lián)合作者。多次參與GOPS、MSUP、GDevops技術(shù)大會分享。

圖書目錄

第1章　互聯(lián)網(wǎng)軟件可靠性概論 1
1.1　為什么要研究互聯(lián)網(wǎng)軟件可靠性
工程 1
1.1.1　大型互聯(lián)網(wǎng)企業(yè)的典型案例
回顧 1
1.1.2　研究互聯(lián)網(wǎng)服務(wù)可靠性的
迫切性和重要性 3
1.1.3　研究軟件可靠性工程是未來更
復(fù)雜的軟件產(chǎn)品發(fā)展的需要 3
1.2　什么是可靠性工程 3
1.2.1　可靠性與可靠性工程概述 4
1.2.2　可靠性工程發(fā)展的3個階段 4
1.2.3　傳統(tǒng)物理可靠性工程方法 6
1.3　軟件可靠性工程 9
1.3.1　軟件可靠性工程的概念 9
1.3.2　軟件可靠性工程發(fā)展的兩個
階段 10
1.4　互聯(lián)網(wǎng)軟件的可靠性 16
1.4.1　相關(guān)名詞介紹 16
1.4.2　互聯(lián)網(wǎng)軟件可靠性工程現(xiàn)狀及
挑戰(zhàn) 18
1.4.3　互聯(lián)網(wǎng)軟件可靠性工程方法
發(fā)展的3個階段 21
1.5　互聯(lián)網(wǎng)軟件可靠性工程的工作
思路 26
1.5.1　理解軟件可靠性的3個核心
問題 26
1.5.2　建立可靠性工程體系框架的
思路 30
1.6　本章小結(jié) 31

第2章　互聯(lián)網(wǎng)軟件可靠性工程及
可靠性度量 32
2.1　軟件生命周期的可靠性工作 32
2.1.1　互聯(lián)網(wǎng)軟件生命周期的可靠性
工作及原則 33
2.1.2　需求階段的可靠性工作 34
2.1.3　設(shè)計與實現(xiàn)階段的可靠性
工作 35
2.1.4　測試與驗證階段的可靠性
工作 37
2.1.5　部署與發(fā)布階段的可靠性
工作 38
2.1.6　持續(xù)運行階段的可靠性
工作 39
2.2　故障生命周期的可靠性工作 41
2.2.1　監(jiān)控故障 42
2.2.2　故障定界定位 42
2.2.3　修復(fù)故障 43
2.3　可靠性工程6種能力綜述 44
2.4　互聯(lián)網(wǎng)軟件可靠性度量與評價 45
2.4.1　可靠性度量介紹 45
2.4.2　可靠性度量和分析方法 47
2.4.3　軟件可靠性度量過程 54
2.4.4　如何制定可靠性目標(biāo) 58
2.5　本章小結(jié) 60

第3章　互聯(lián)網(wǎng)軟件可靠性設(shè)計與
分析 61
3.1　為什么要進(jìn)行可靠性設(shè)計 61
3.1.1　什么是可靠性設(shè)計 61
3.1.2　可靠性是設(shè)計出來的 62
3.2　可靠性設(shè)計原則與通用方法 64
3.2.1　可靠性設(shè)計的原則 64
3.2.2　可靠性設(shè)計的4種方法 65
3.3　軟件可靠性架構(gòu)模型 68
3.4　可靠性分析與架構(gòu)風(fēng)險 72
3.5　可靠性分配 74
3.5.1　可靠性分配的目的 74
3.5.2　可靠性分配的原則 75
3.5.3　可靠性分配的方法 75
3.6　架構(gòu)分層設(shè)計及其可靠性方法 76
3.6.1　可靠性視角的分層架構(gòu) 77
3.6.2　業(yè)務(wù)架構(gòu)的可靠性設(shè)計 78
3.6.3　應(yīng)用架構(gòu)的可靠性設(shè)計 78
3.6.4　系統(tǒng)架構(gòu)的可靠性設(shè)計 85
3.6.5　部署架構(gòu)的可靠性設(shè)計 92
3.6.6　基礎(chǔ)設(shè)施架構(gòu)的可靠性設(shè)計 97
3.6.7　可靠性相關(guān)能力的設(shè)計 99
3.7　架構(gòu)可靠性評審 99
3.7.1　評審目的 99
3.7.2　評審過程 100
3.7.3　評審方法 101
3.8　可靠性預(yù)計 102
3.9　本章小結(jié) 103

第4章　可靠性觀測能力建設(shè)與
實踐 104
4.1　建設(shè)觀測能力的目的 104
4.2　排查、監(jiān)控、觀測技術(shù)的發(fā)展 107
4.2.1　登錄服務(wù)器通過系統(tǒng)命令
排查問題 107
4.2.2　集中式監(jiān)控系統(tǒng)與日志系統(tǒng) 110
4.2.3　可觀測性 115
4.2.4　觀測能力與監(jiān)控 116
4.2.5　建立綜合的觀測能力 117
4.3　監(jiān)控觀測的感知場景與感知
方式 118
4.3.1　業(yè)務(wù)可靠性感知 119
4.3.2　影響范圍及原因定界定位 121
4.3.3　幫助理解復(fù)雜系統(tǒng)結(jié)構(gòu)并
自動建模 126
4.3.4　智能告警條件的數(shù)據(jù)感知 129
4.3.5　根因推薦與排查診斷、決策 131
4.3.6　容量感知與彈性 135
4.3.7　人的感知與決策能力 137
4.3.8　場景化的固化大盤 138
4.3.9　巡檢與非實時分析 140
4.4　觀測能力設(shè)計 141
4.4.1　設(shè)計原則 141
4.4.2　設(shè)計方法 143
4.5　觀測能力要求與度量 148
4.5.1　定性要求與分析 148
4.5.2　定量要求與分析 150
4.6　觀測能力建設(shè)實踐 154
4.7　本章小結(jié) 157

第5章　故障修復(fù)、綜合保障能力建設(shè)與實踐 158
5.1　軟件故障修復(fù)能力概述 158
5.1.1　什么是軟件故障修復(fù)能力 158
5.1.2　修復(fù)能力是現(xiàn)代軟件系統(tǒng)的
重要能力 159
5.1.3　研究故障規(guī)律是修復(fù)能力的
基礎(chǔ) 159
5.2　軟件故障修復(fù)能力設(shè)計與建設(shè) 160
5.2.1　設(shè)計原則 160
5.2.2　預(yù)案平臺的設(shè)計 163
5.2.3　變更型故障快速修復(fù) 167
5.2.4　災(zāi)難型故障快速修復(fù) 171
5.2.5　容量型故障快速修復(fù) 175
5.2.6　應(yīng)急協(xié)同 177
5.3　運維保障能力 184
5.4　修復(fù)能力的度量和要求 188
5.4.1　定性要求 188
5.4.2　定量要求與評估 189
5.5　修復(fù)能力及保障能力建設(shè)實踐 193
5.5.1　虎牙音視頻修復(fù)能力實踐 193
5.5.2　預(yù)案平臺建設(shè)實踐 194
5.5.3　虎牙帶寬資源保障能力
實踐 196
5.6　本章小結(jié) 196

第6章　可靠性試驗與反脆弱能力
建設(shè)與實踐 197
6.1　互聯(lián)網(wǎng)軟件可靠性試驗與反脆弱
能力概述 197
6.1.1　什么是可靠性試驗與反脆弱
能力 198
6.1.2　為什么要反脆弱 199
6.2　軟件系統(tǒng)的脆弱性因素分析 200
6.2.1　環(huán)境、產(chǎn)品、人的關(guān)系 201
6.2.2　脆弱性因素分析 202
6.3　反脆弱能力建設(shè)與分析 212
6.3.1　應(yīng)對脆弱性的思路 213
6.3.2　反脆弱能力建設(shè)原則 213
6.3.3　環(huán)境脆弱性的可靠性試驗：
混沌工程 214
6.3.4　軟件系統(tǒng)自身的可靠性試驗：
故障注入 218
6.3.5　人為因素反脆弱設(shè)計：
故障演練 221
6.3.6　變更型故障反脆弱設(shè)計：
變更管控 222
6.4　可靠性試驗與反脆弱能力的
要求 223
6.4.1　定性要求 223
6.4.2　定量要求 226
6.5　實踐案例 227
6.6　本章小結(jié) 230

第7章　可靠性管理能力 231
7.1　可靠性管理工作概述 231
7.2　軟件可靠性工作規(guī)劃及目標(biāo)
管理 235
7.3　故障治理 237
7.3.1　故障復(fù)盤 238
7.3.2　故障評審定級 243
7.3.3　定期回顧可靠性 247
7.4　人員與團隊管理 248
7.4.1　可靠性工程師團隊 248
7.4.2　團隊轉(zhuǎn)型 250
7.5　以SRE方式運維業(yè)務(wù) 254
7.5.1　以SRE方式接手現(xiàn)有業(yè)務(wù) 255
7.5.2　接手新業(yè)務(wù) 256
7.6　本章小結(jié) 257