摘要

• SRE Workflow
• Code define Config
• 拜占庭将军问题

Workflow

• SREcon: Performance Checklists for SREs 2016 | Brendan Gregg’s Blog
• OS 造成的长时间非典型 JVM GC 停顿：深度分析和解决|庄振运

Discuss

• NASA:可以告知故障的机器
  COMSoL综合系统健康管理（Integrated System Health Management）软件的第一个版本于2003年在NASA艾姆斯研究中心（Ames Research Center）被开发出来，以此来监视一个试验型固液混合火箭发动机试车台。

• 腾讯数据中心:三大谷歌欧洲数据中心究竟如何做到100%自然冷却

Application

Code define Config

1. SRE Team of Stack Overflow: DNSControl

1. 分类：网络协议

Monitor

1. beyond website monitoring the value of access logs

Chris Jones:分布式共识系统

Minghua Ye：App Engine

Minghua Ye
scalable system

automated service discovery

google protocol buffer

消息协议，向后兼容

core lib c++

1. command-line flags
   

2. Logging

3. Googletest
   diff log diff file
   pages:
   blogs:

分布式共识系统

CAP：无人值守的一致的高可用系统是不存在的
CA系统：分区难题 脑裂 如何判断主从
CP系统＋A：接受分区，在分区的情况下保持一致，牺牲一定损失

Zookeeper

• 拜占庭将军问题
  稳定状态需要 3N＋1（拜占庭式失败）或2N＋1（非拜占庭式失败）个实例。即多进程达到一致

• 单点故障源
  复制状态机（RSM），很久不动的冷备没有意义，风险更高。
  应用：分布式cron系统
  无状态微服务系统，先要有一个保障一致性（存储状态）的可靠服务。

扩展阅读：DevOps 漫谈系列

• Kanban 看板管理实践
• DevOps 漫谈：基础设施部署和配置管理
• Linux 容器安全的十重境界
• 工程师的自我修养：全英文技术学习实践

DevOps 实践的本质是文化

• 学习力－团队生命之根
• 带领团队翻译书籍
• Don’t make me think
• 凡是被很多人不断重复的好习惯，要将其自动化整合到工具

参考文献

• What is SRE (Site Reliability Engineering)?
• InfoQ:SRE是什么鬼 / 来自 Google DevOps 经验的落地实践