您的当前位置:全部分类图书 > 计算机网络 > 网络技术 > 网络技术教材

SRE(Google运维解密)

定 价
售 价
配送至
收货地址
其他地址
数量
-
+
服务
大家都在看
  • 出版社:电子工业
  • ISBN:9787121297267
  • 作者:编者:(美)贝特西·拜尔|译者:孙宇聪
  • 页数:450
  • 出版日期:2016-10-01
  • 印刷日期:2016-10-01
  • 包装:平装
  • 开本:16开
  • 版次:1
  • 印次:1
  • 字数:695千字
  • **畅销书,***主站排名*,打标#1 Best Seller

    运维高烧不退,谷歌神书问世,继续为这一热潮推波助澜

    本书解密***神秘*让人仰望的技术岗位——谷歌SRE

    未出先火,本书原著问世时各大社区火爆异常、人气爆棚

     


  • 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 ?在本书中,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。通过阅读本书,读者 可以学习到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本书 。本书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。 任何一个想要创建、扩展大规模集成系统的人都 应该阅读本书。贝特西·拜尔编著的《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。
  • Betsy Beyer 是Google 纽约负责SRE 的一名技术文档作家。她之前曾为遍布全球的Google数据中心与Mountain View 硬件运维团队编写文档。在搬到纽约之前,Betsy 是Stanford 大学技术性写作课程的讲师。她曾经学习国际关系与英文文学,并在Stanford和Tulane 获得学历。 Chris Jones 是Google AppEngine 的一名SRE。Google App Engine 是一个PaaS 服务,每天处理超过280 亿个请求。他的办公室在旧金山,他之前的工作包括Google广告统计、数据仓库,以及用户支持系统的维护。在之前,Chris 曾经在学校IT 行业任职,同时参与过竞选数据分析,以及一些BSD内核的修改。他有计算机工程、经济学,以及技术政策学的学位。同时他也是一名有执照的职业工程师。 Jennifer Petoff 是Google SRE 团队的一名项目经理,工作地点在都柏林,爱尔兰。她曾经负责管理大型全球项目,包括:科学研究、工程、人力资源,以及广告等。Jennifer在加入Google 之前,曾在化工行业任职八年。她获得了Stanford 大学的化学博士与学士学位,同时她还拥有Rochester 大学的心理学学位。 Niall Murphy 是Google 爱尔兰团队广告SRE 的负责人。他拥有20 年互联网行业经验,目前是INEX(爱尔兰网络互联枢纽)的主席。他曾经写作以及参与写作很多科技文章与书籍,包括O’Reilly 出版的IPv6 Network Administration,以及很多RFC。他目前在参与书写爱尔兰互联网发展史。他拥有计算机科学、数学,以及诗歌学的学历(他当时一定是想错了!)。他目前与妻子和两个儿子居住在都柏林。 译者 孙宇聪,前Google SRE(2007-2015),山景城总部,曾参与构建运维Youtube 全球CDN网络,2008年奥运会直播项目,构建维护海量视频编码传输系统。后参与Google内部云平台运维工作,负责运维全球百万级别服务器集群,以及Borg、Omega等大规模集群理系统。2015年加入Coding,任CTO一职。回国后,积极推动国内容器化运维架构升级。目前是开放运维联盟之应用运维规范制定组,高可用运维规范制定者。
  • 前言
    序言
    第Ⅰ部分 概览
    第1章 介绍
    系统管理员模式
    Google 的解决之道:
    SRE 方法论
    确保长期关注研发工作
    在保障服务SLO 的前提下*大化迭代速度
    监控系统
    应急事件处理
    变*管理
    需求预测和容量规划
    资源部署
    效率与性能
    小结
    第2章 Google 生产环境:SRE 视角
    硬件
    管理物理服务器的系统管理软件
    管理物理服务器
    存储
    网络
    其他系统软件
    分布式锁服务
    监控与警报系统
    软件基础设施
    研发环境
    莎士比亚搜索:一个示范服务
    用户请求的处理过程
    任务和数据的组织方式
    第Ⅱ部分 指导思想
    第3章 拥抱风险
    管理风险
    度量服务的风险
    服务的风险容忍度
    辨别消费者服务的风险容忍度
    基础设施服务的风险容忍度
    使用错误预算的目的
    错误预算的构建过程
    好处
    第4章 服务质量目标
    服务质量术语
    指标
    目标
    协议
    指标在实践中的应用
    运维人员和*终用户各关心什么
    指标的收集
    汇总
    指标的标准化
    目标在实践中的应用
    目标的定义
    目标的选择
    控制手段
    SLO 可以建立用户预期
    协议在实践中的应用
    第5章 减少琐事
    琐事的定义
    为什么琐事越少越好
    什么算作工程工作
    琐事繁多是不是一定不好
    小结
    第6章 分布式系统的监控
    术语定义
    为什么要监控
    对监控系统设置合理预期
    现象与原因
    黑盒监控与白盒监控
    4 个黄金指标
    关于长尾问题
    度量指标时采用合适的精度
    简化,直到不能再简化
    将上述理念整合起来
    监控系统的长期维护
    Bigtable SRE :警报过多的案例
    Gmail :可预知的、可脚本化的人工干预
    长跑
    小结
    第7章 Google 的自动化系统的演进
    自动化的价值
    一致性
    平台性
    修复速度*快
    行动速度*快
    节省时间
    自动化对Google SRE 的价值
    自动化的应用案例
    Google SRE 的自动化使用案例
    自动化分类的层次结构
    让自己脱离工作:自动化所有的东西
    舒缓疼痛:将自动化应用到集群上线中
    使用Prodtest 检测不一致情况
    幂等地解决不一致情况
    专业化倾向
    以服务为导向的集群上线流程
    Borg :仓库规模计算机的诞生
    可靠性是*基本的功能
    建议
    第8章 发布工程
    发布工程师的角色
    发布工程哲学
    自服务模型
    追求速度
    密闭性
    强调策略和流程
    持续构建与部署
    构建
    分支
    测试
    打包
    Rapid 系统
    部署
    配置管理
    小结
    不仅仅只对Google 有用
    一开始就进行发布工程
    第9章 简单化
    系统的稳定性与灵活性
    乏味是一种美德
    我**不放弃我的代码
    “负代码行”作为一个指标
    *小
    模块化
    发布的简单化
    小结
    第Ⅲ部分 具体实践
    **0章 基于时间序列数据进行有效报警
    Borgmon 的起源
    应用软件的监控埋点
    监控指标的收集
    时间序列数据的存储
    标签与向量
    Borg 规则计算
    报警
    监控系统的分片机制
    黑盒监控
    配置文件的维护
    十年之后
    **1章 on-call 轮值
    介绍
    on-call 工程师的**
    on-call 工作平衡
    数量上保持平衡
    质量上保持平衡
    补贴措施
    安全感
    避免运维压力过大
    运维压力过大
    奸诈的敌人—运维压力不够
    小结
    **2章 有效的故障排查手段
    理论
    实践
    故障报告
    定位
    检查
    诊断
    测试和修复
    神奇的负面结果
    治愈
    案例分析
    使故障排查*简单
    小结
    **3章 紧急事件响应
    当系统出现问题时怎么办
    测试导致的紧急事故
    细节
    响应
    事后总结
    变*部署带来的紧急事故
    细节
    事故响应
    事后总结
    流程导致的严重事故
    细节
    灾难响应
    事后总结
    所有的问题都有解决方案
    向过去学习,而不是重复它
    为事故保留记录
    提出那些大的,甚至不可能的问题:假如
    鼓励主动测试
    小结
    **4章 紧急事故管理
    无流程管理的紧急事故
    对这次无流程管理的事故的剖析
    过于关注技术问题
    沟通不畅
    不请自来
    紧急事故的流程管理要素
    嵌套式职责分离
    控制中心
    实时事故状态文档
    明确公开的职责交接
    一次流程管理良好的事故
    什么时候对外宣布事故
    小结
    **5章 事后总结:从失败中学习
    Google 的事后总结哲学
    协作和知识共享
    建立事后总结文化
    小结以及不断优化
    **6章 跟踪故障
    Escala
    Outala
    聚合
    加标签
    分析
    未预料到的好处
    **7章 测试可靠性
    软件测试的类型
    传统测试
    生产测试
    创造一个构建和测试环境
    大规模测试
    测试大规模使用的工具
    针对灾难的测试
    对速度的渴求
    发布到生产环境
    允许测试失败
    集成
    生产环境探针
    小结
    **8章 SRE 部门中的软件工程实践
    为什么软件工程项目对SRE 很重要
    Auxon 案例分析:项目背景和要解决的问题
    传统的容量规划方法
    解决方案:基于意图的容量规划
    基于意图的容量规划
    表达产品意图的先导条件
    Auxon 简介
    需求和实现:成功和不足
    提升了解程度,推进采用率
    团队内部组成
    在SRE 团队中培养软件工程风气
    在SRE 团队中建立起软件工程氛围:招聘与开发时间
    做到这一点
    小结
    **9章 前端服务器的负载均衡
    有时候硬件并不能解决问题
    使用DNS 进行负载均衡
    负载均衡:虚?
    第20章 数据中心内部的负载均衡系统
    理想情况
    识别异常任务:流速控制和跛脚鸭任务
    异常任务的简单应对办法:流速控制
    一个可靠的识别异常任务的方法:跛脚鸭状态
    利用划分子集限制连接池大小
    选择合适的子集
    子集选择算法一:随机选择
    子集选择算法二:确定性算法
    负载均衡策略
    简单轮询算法
    *闲轮询策略
    加权轮询策略
    第21章 应对过载
    QPS 陷阱
    给每个用户设置限制
    客户端侧的节流机制
    重要性
    资源利用率信号
    处理过载错误
    决定何时重试
    连接造成的负载
    小结
    第22章 处理连锁故障
    连锁故障产生的原因和如何从设计上避免
    服务器过载
    资源耗尽
    服务不可用
    防止软件服务器过载
    队列管理
    流量抛弃和优雅降级
    重试
    请求延迟和截止时间
    慢启动和冷缓存
    保持调用栈永远向下
    连锁故障的触发条件
    进程崩溃
    进程*新
    新的发布
    自然增长
    计划中或计划外的不可用
    连锁故障的测试
    测试直到出现故障,还要继续测试
    测试*常用的客户端
    测试非关键性后端
    解决连锁故障的立即步骤
    增加资源
    停止健康检查导致的任务死亡
    重启软件服务器
    丢弃流量
    进入降级模式
    消除批处理负载
    消除有害的流量
    小结
    第23章 管理关键状态:利用分布式共识来提高可靠性
    使用共识系统的动力:分布式系统协调失败
    案例1 :脑裂问题
    案例2 :需要人工干预的灾备切换
    案例3 :有问题的小组成员算法
    分布式共识是如何工作的
    Paxos 概要:协议示例
    分布式共识的系统架构模式
    可靠的复制状态机
    可靠的复制数据存储和配置存储
    使用领头人选举机制实现高可用的处理系统
    分布式协调和锁服务
    可靠的分布式队列和消息传递
    分布式共识系统的性能问题
    复合式Paxos :消息流过程详解
    应对大量的读操作
    法定租约
    分布式共识系统的性能与网络延迟
    快速Paxos 协议:性能优化
    稳定的领头人机制
    批处理
    磁盘访问
    分布式共识系统的部署
    副本的数量
    副本的位置
    容量规划和负载均衡
    对分布式共识系统的监控
    小结
    第24章 分布式周期性任务系统
    C
    介绍
    可靠性
    Cron 任务和幂等性
    大规模Cron 系统
    对基础设施的扩展
    对需求的扩展
    Google Cron 系统的构建过程
    跟踪Cron 任务的状态
    Paxos 协议的使用
    领头人角色和追随者角色
    保存状态
    运维大型Cron 系统
    小结
    第25章 数据处理流水线
    流水线设计模式的起源
    简单流水线设计模式与大数据
    周期性流水线模式的挑战
    工作分发不均造成的问题
    分布式环境中周期性数据流水线的缺点
    监控周期性流水线的问题
    惊群效应
    摩尔负载模式
    Google Workflow 简介
    Workflow 是模型—视图—控制器(MVC)模式
    Workflow 中的执行阶段
    Workflow 正确性保障
    保障业务的持续性
    小结
    第26章 数据完整性:读写一致
    第27章 可靠地进行产品的大规模发布
    第Ⅳ部分 管理
    第28章 迅速培养SRE 加入on-c
    第29章 处理中断性任务
    第30章 通过嵌入SRE 的方式帮助团队从运维过载中恢复
    第 31章 SRE 与其他团队的沟通与协作
    第32章 SRE 参与模式的演进历程
    第Ⅴ部分 结束语
    第33章 其他行业的实践经验
    第34章 结语
    附录A 系统可用性
    附录B 生产环境运维过程中的*佳实践
    附录C 事故状态文档示范
    附录D 事后总结示范
    附录E 发布协调检查列表
    附录F 生产环境会议记录示范
    参考文献
    索引
  • 编辑推荐语
  • 内容提要
  • 作者简介
  • 目录