SRE: Google运维解密 ((美)贝特西 拜尔) 完整中文pdf扫描版[95MB]

大型软件系统生命周期的绝大部分都处于“使用”阶段，而非“设计”或“实现”阶段。那么为什么我们却总是认为软件工程应该首要关注设计和实现呢？在《SRE：Google运维解密》中，Google SRE的关键成员解释了他们是如何对软件进行生命周期的整体性关注的，以及为什么这样做能够帮助Google成功地构建、部署、监控和运维世界上现存最大的软件系统。通过阅读《SRE：Google运维解密》，读者可以学习

Google工程师在提高系统部署规模、改进可靠性和资源利用效率方面的指导思想与具体实践——这些都是可以立即直接应用的宝贵经验。

任何一个想要创建、扩展大规模集成系统的人都应该阅读《SRE：Google运维解密》。《SRE：Google运维解密》针对如何构建一个可长期维护的系统提供了非常宝贵的实践经验。

目录

第Ⅰ部分　概览
第1 章　介绍 2
第2 章　Google 生产环境：SRE 视角 11
第Ⅱ部分　指导思想
第3 章　拥抱风险 23
第4 章　服务质量目标 34
第5 章　减少琐事 44
第6 章　分布式系统的监控 49
第7 章　Google 的自动化系统的演进 60
第8 章　发布工程 76
第9 章　简单化 85
第Ⅲ部分　具体实践
第10 章　基于时间序列数据进行有效报警 93
第11 章　on-call 轮值 109
第12 章　有效的故障排查手段 116
第13 章　紧急事件响应 131
第14 章　紧急事故管理 140
第15 章　事后总结：从失败中学习 146
第16 章　跟踪故障 152
第17 章　测试可靠性 157
第18 章　SRE 部门中的软件工程实践 176
第19 章　前端服务器的负载均衡 191
第20 章　数据中心内部的负载均衡系统 197
第21 章　应对过载 212
第22 章　处理连锁故障 223
第23 章　管理关键状态：利用分布式共识来提高可靠性 246
第24 章　分布式周期性任务系统 273
第25 章　数据处理流水线 284
第26 章　数据完整性：读写一致 295
第27 章　可靠地进行产品的大规模发布 322
第Ⅳ部分　管理
第28 章　迅速培养SRE 加入on-call 341
第29 章　处理中断性任务 355
第30 章　通过嵌入SRE 的方式帮助团队从运维过载中恢复 363
第31 章　SRE 与其他团队的沟通与协作 370
第32 章　SRE 参与模式的演进历程 383
第Ⅴ部分　结束语
第33 章　其他行业的实践经验 398
第34 章　结语 408