什么是 SRE？成为一名优秀的 SRE 需要具备什么能力？
原文中文，约11800字，阅读约需28分钟。
📝
内容提要
SRE（Site Reliability Engineering）是Google提出的概念，旨在通过标准化、自动化和可扩展的方式解决运维难题。SRE的工作要求技能全面，以软件工程解决问题为方向，并具备强大的Trouble Shooting和思考能力。工作范畴包括可观测性系统、故障响应、测试与部署、容量规划、自动化工具开发、用户支持、Oncall和制定可交付的SLI/SLO/SLA等。故障复盘是SRE的重要环节，通过回顾和总结故障，以避免相同问题再次发生。
❓
Q&A
SRE的主要职责是什么？
SRE的主要职责包括可观测性系统、故障响应、测试与部署、容量规划、自动化工具开发、用户支持、Oncall以及制定SLI/SLO/SLA等。
成为一名优秀的SRE需要哪些技能？
成为优秀的SRE需要具备全面的技能，包括网络、操作系统、监控、CI/CD等，并且需要一定的研发能力和强大的故障排查能力。
故障复盘在SRE工作中有什么重要性？
故障复盘是SRE的重要环节，通过回顾和总结故障，能够避免相同问题再次发生，促进系统的改进。
SRE如何进行容量规划？
容量规划是通过预测未来和发现系统极限，管理风险和期望，依赖于海量的运维数据来确保系统的可扩展性。
SRE的可观测性系统包括哪些方面？
可观测性系统包括指标监控、日志监控和调用链分析，确保能够洞察系统的健康状态和可用性。
SRE的Oncall工作流程是怎样的？
Oncall工作流程包括收到告警、检查告警原因、确认线上服务状态、定位问题和解决问题。
🏷️
