SRE 中的适当可靠性

这个星期接触到了SRE（网站可靠性工程）的概念，这是Google在十年前提出的一个新词（在国内最近两年才出现）。为了更好的理解它，我在这里把sre中的一个重要概念也就是适当可靠性记录一下。

先来看一个由微软给出的 SRE定义

网站可靠性工程是一门工程专业，致力于帮助组织实现系统、服务和产品的适当可靠性级别。

注意到这句话的最后，“致力于帮助组织实现系统、服务和产品的适当可靠性级别”中的“适当可靠性”，在理解它之前，先来看看可靠性。

最核心的一词是“可靠性”，这在“SRE”名称中间也有所体现。定义中说的不是“适当性能级别”、“适当效率级别”、“适当稳定性级别”或“达到适当收入级别”，而是“适当可靠性级别”。原因是什么？

尝试着想一下，需要企业耗费大量时间、精力和资源才能创建的应用程序。如果应用程序没有正常运行（即如果它在客户需要访问它时无法运行或如果它不可靠），这对任何人都没有任何好处，尤其是对企业。其实，缺少可靠性可能会（在信誉、经济、合同、士气等方面）对企业造成实际危害。

因此，可靠性非常重要，SRE 选择它作为重点关注的基本属性（可能是服务、系统或产品的基本属性）。接下来继续说说定义中的适当可靠性

现在重新看一下 SRE 的定义

网站可靠性工程是一门工程专业，致力于帮助组织实现系统、服务和产品的适当可靠性级别。

2019年的互联网时代，必须 100% 可靠的系统和服务寥寥无几。除非在航空、医疗设备等生死攸关的行业。

实际上，在极少数情况下，追求100%的系统可靠性也是可取的。但是在提高可靠性时，所需的精力和资源（以及随之而来的成本）急剧上升。换句话说，追求不必要的可靠性就是浪费时间和金钱。

可靠性级别必须与业务需求保持一致，且切实可行。例如，如果用户通过非 100% 可靠网络与你联系（假设正常运行时间比例为 90%），那么为确保服务 95% 可靠所花费的精力和金钱显然就是浪费。

那么现在可以思考的问题就多了起来，如果现在能考虑确定适当可靠性级别，那么在成功达到或超过此级别时，该做些什么？同样，如果没有实现此目的该怎么办？ SRE就是为了解决这些问题而出现的。