行业动态

之前我们介绍了农行在分布式系统环境下运维面临的挑战和困难，分布式运维的建设模式，分布式系统下运维工具的实施建议。但是，工具的建设并不意味着运维转型升级的成功。运维体系建设需要科学的指导思想和系统的建设理念。

本文以经典的运维系统概念——SRE为例。通过对SRE主要内容的分析，梳理一下SRE与运维开发的关系。同时，我们将通过对典型 SRE 落地案例的解读与大家进行讲解。 SRE在金融行业的落地经验。

01.SRE 主题演讲内容概览1）什么是 SRE

首先，我们来看看SRE的几个定义：

从单独的角度来看，源自 Goole 的 SRE 的定义更适合其组织。首先，它拥有强大的人才库。其次，经过大量内部实践，经得起考验。同时，由内而外的推进it运维，推动了这一制度的实施更加全面。但对于外企来说，全能型人才的稀缺和传统观念的固化，让这个定义并不那么成立。

从国外公司本身的角度，我们更倾向于第三种：从实践的角度来看，SRE的关键点就一个字：系统化，我们需要从全局的角度去更透彻的理解. SRE实际上需要多个团队、多个岗位来承担不同的职能，但每个团队可以相互配合，对外对接业务团队和产品团队，建立工具实现日常运维。

2）SRE 和关系

本质上，SRE 与 SRE 并没有太大的不同。它们都是从分布式、云原生、容器化、微服务等技术衍生出来的概念。我们可以将其理解为 SRE 核心概念的通用版本。相比之下，它更加具体，SRE是经过具体实践提炼出来的理论体系。

3）SRE指导思想和关键概念

SRE 有以下指导原则：

关于以上指导思想，我们可以把SRE的一些关键概念联系起来，让我们对SRE体系有一个更清晰的认识。

在关键概念上，主要分为四个层次

4）SRE职位/团队主要工作

了解了整个SRE体系的工作方式和技巧之后，具体的SRE团队在做什么内容呢？主要分为以下三只蓝筹股：

在这个过程中，我们可以得出下一个结论，即：运维模式/系统的下一站是SRE，运维技术的下一站是AIOps。

5）SRE 方法

在方法论层面，有以下几个重点：

02.SRE运维平台及运维开发1）运维管理平台：实现SRE运维开发的基础

SRE多次指出，运维组织需要参与运维工具的开发，才能实现SRE的变革。在工具的开发上，传统公司和互联网公司会有很大的不同。

因此，对于大多数企业来说，要实现SRE运维开发it运维，需要一个统一的基础——具备通用的能力和通用的开发框架，同时提供统一的资源管理和资源驱动能力。在此基础上统一管理上层资源，实现数据接入和能力扩展，下层通用能力框架实现工具化开发、可控增长，构建完整的平台化运维开发体系.

包括几个典型场景：

CMDB——SRE运维管理体系的基石，构建消费驱动、可见、可用、可信、可靠的运维优质CMDB，支撑运维发展改革。

可观察性 - 帮助 SRE 实现全链路跟踪和问题根源定位。根据平台建立trace、log、关联分析链接，实现数据统一处理。

手动编排引擎 - SRE 手动操作和维护的机会。人工场景的构建需要底层引擎的支持，调用基础能力建立下层人工体系，支持SRE工具能力的扩展。

03.SRE对金融行业的介绍1）落地案例分析

以国外某小型建设银行的SRE实践为例，其SRE落地过程有以下几个关键点：

①确定SRE落地的核心概念：

符合常年战略，提升运维自动化重复性工作，完善SRE团队，提升运维价值。

②组建SRE试点团队：

包括组长、轮值组长、业务核心技术人员，以及其他部门的助理，对应的人员从不同的团队中挑选出来，保证大家对建设目标有清晰的认识SRE 并为其做出贡献。

③SRE工作模式：采取和平与战争相结合的模式。

战时应急依赖于常用的施工工具、自动化能力、问题总结等，形成了平时与战时相结合的工作模式。

④SRE团队OKR：

团队OKR的制定与工作模式紧密配合。通过平时与战时结合，可以看到全景业务系统，可以管控应急响应，可以计算分析业务指标。同时，SRE团队建立了周会、月会、专题会三会机制，确保日常工作和特殊问题的快速处理。

目前，该行的SRE实践比较成功。其核心在于SRE团队的建立。一方面，开发商需要介入。核心业务人员必须懂发展，懂结构，有经营和维持发展的能力。另一方面，要有组织能力。将SRE建设目标分解为各个团队，实现人员之间能力的整合，形成系统化的组织，推动整个SRE流程。

此外，我们还对多家企业的SRE流程和实施实践进行了详细深入的分析，包括农业建设银行、腾讯、美图等，感兴趣的请点击了解更多！

2）经验分析

①SRE适合落地金融行业吗？

SRE 是一个系统化的过程。从组织架构，到文化推广，到工具的建立，到人员能力的提供，都会产生一个完整的SRE体系。

我们建议我们可以先专注于其中一个方向，例如将工具移近平台级别。同时，如果有余力，可以考虑建设一部分运维开发能力。除了组织能力，还可以适当培养，让它一步步走向SRE，而不是一飞冲天。

②如果要落地，需要注意什么？

主要有三点：

标准规范制定：标准化和标准化是完善系统的第一步。运维的标准规范必须与开发和业务保持一致。

具备软件开发能力：只有将运维需求转化为运维产品，运维产品最终实现为具体的工具和系统。

组织变革：SRE是运维和开发能力的结合。它需要一些懂开发的运维人员和一些懂运维系统的开发人员。运维和开发需要互相了解，然后结合对方的需求到自己的工作中。