课程目标

当今的组织在更复杂的技术环境中处理更多的变化，导致更高的中断和事故风险。运维团队必须提高服务可靠性和 系统弹性。随着自动化和可观察性成为更高效、更快速部署的关键因素，SRE 职位已成为增长最快的职位之一。 本次演讲主要介绍了 SRE 体系结构，核心概念、原理、思维方式和方法论，并通过结合 SRE 在哔哩哔哩的实践案例， 为参与者提供了具体的落地实践方法和执行流程，使其掌握提高业务稳定性的核心方法。

适用人群

在工作中对 SRE 站点可靠性工程感兴趣，缺少经验的同学。比如：
1）对 SRE 站点可靠性工程感兴趣，缺少相关实践少同学
2）想要了解行业前沿的业务连续性运营、可靠性保障技术的同学
3）对业务连续性运营关注比较多，缺少理论支撑的同学
4）对 SRE 站点可靠性工程的工作如何开展，渴望寻找业务共鸣的同学
5）有心想要完善 SRE 知识体系，找不到方法的人

课程概述

课程大纲：

1.SRE体系

1.1 什么是SRE

1.2 SRE和DevOps的区别

1.3 SRE原则和日常

2.服务质量目标和错误预算

   2.1 服务质量目标SLO

   2.2 错误预算

   2.3 哔哩哔哩相关实践

3. 消减琐事

   3.1 琐事的定义

   3.2 琐事的根源和消减方法

   3.3 哔哩哔哩的实践：流程引擎&作业引擎

4.监控和服务质量指标

   4.1 服务质量指标

   4.2 监控

   4.3 可观测性

   4.4 哔哩哔哩的实践：监控中心

5.元信息管理

   5.1 元信息管理定义

   5.2 必要性&收益

   5.3 落地场景：CMDB、服务树、标签系统

6.应急响应

   6.1 On-Call

   6.2 事件&故障的定义

   6.3 故障的全生命周期

   6.4 哔哩哔哩的实践：事件运营中心

6.未来展望