SRE原理與實踐：構(gòu)建高可靠性互聯(lián)網(wǎng)應用

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 58
2.5　本章小結(jié) 60
 
第3章　互聯(lián)網(wǎng)軟件可靠性設計與
分析 61
3.1　為什么要進行可靠性設計 61
3.1.1　什么是可靠性設計 61
3.1.2　可靠性是設計出來的 62
3.2　可靠性設計原則與通用方法 64
3.2.1　可靠性設計的原則 64
3.2.2　可靠性設計的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)務架構(gòu)的可靠性設計 78
3.6.3　應用架構(gòu)的可靠性設計 78
3.6.4　系統(tǒng)架構(gòu)的可靠性設計 85
3.6.5　部署架構(gòu)的可靠性設計 92
3.6.6　基礎設施架構(gòu)的可靠性設計 97
3.6.7　可靠性相關(guān)能力的設計 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　可靠性預計 102
3.9　本章小結(jié) 103
 
第4章　可靠性觀測能力建設與
實踐 104
4.1　建設觀測能力的目的 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　觀測能力設計 141
4.4.1　設計原則 141
4.4.2　設計方法 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　觀測能力建設實踐 154
4.7　本章小結(jié) 157
 
第5章　故障修復、綜合保障能力建設與實踐 158
5.1　軟件故障修復能力概述 158
5.1.1　什么是軟件故障修復能力 158
5.1.2　修復能力是現(xiàn)代軟件系統(tǒng)的
重要能力 159
5.1.3　研究故障規(guī)律是修復能力的
基礎 159
5.2　軟件故障修復能力設計與建設 160
5.2.1　設計原則 160
5.2.2　預案平臺的設計 163
5.2.3　變更型故障快速修復 167
5.2.4　災難型故障快速修復 171
5.2.5　容量型故障快速修復 175
5.2.6　應急協(xié)同 177
5.3　運維保障能力 184
5.4　修復能力的度量和要求 188
5.4.1　定性要求 188
5.4.2　定量要求與評估 189
5.5　修復能力及保障能力建設實踐 193
5.5.1　虎牙音視頻修復能力實踐 193
5.5.2　預案平臺建設實踐 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　反脆弱能力建設與分析 212
6.3.1　應對脆弱性的思路 213
6.3.2　反脆弱能力建設原則 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　人為因素反脆弱設計：
故障演練 221
6.3.6　變更型故障反脆弱設計：
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
管理 235
7.3　故障治理 237
7.3.1　故障復盤 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 254
7.5.1　以SRE方式接手現(xiàn)有業(yè)務 255
7.5.2　接手新業(yè)務 256
7.6　本章小結(jié) 257