课程背景
随着业务系统规模持续扩大、微服务和分布式架构成为主流，公司的软件系统复杂度和运维难度显著拉升。在差事日益繁重、系统变更频率持续加快的来由下，怎样借助工程化办法保障系统稳定性、降低故障恢复对专家的倚重、拉升自动化运维和平台化本领，成为公司技艺队伍必须面对的核心课题。
本课面向公司真实运维和研发情境，锁住
大型分布式系统稳定性规划、
SRE 办法论架构、自动化运维和资料驱动运维、平台化本领建设
四大领域，借助系统化理论解说和实例推演，支援参训者构筑统一的
SRE 工程认知，并形成可用于公司落地的平台化建设路线。
课程重点破解以下实际问题：
l
怎样规划、构筑、运行一套稳定的分布式系统（从架构到运维的全链路视角）
l
怎样领会并落地
SRE 核心办法论（SLO/可观测性/自动化/事故管控）
l
怎样在
k8s 等等现代基础设施之上构筑稳定性保障架构（明晰边界和常见误区）
l
怎样基于监控、日志、链路资料构筑运维资料处理方案，并促成抓手整合和平台化演进（对标一站式运维平台建设标的）
课程收益
1.
SRE 架构认知和稳定性工程本领
：掌握
SRE 的核心思想和办法论轮廓，构筑对大型分布式系统稳定性问题的正确预期和工程化治理思路，能够指导队伍从“心得型运维”向“工程化稳定性”转型。
2.
可观测性和运维资料架构本领
：领会指标、日志、链路等等可观测性资料在稳定性管控中的定位分工，掌握
“资料驱动决策”的基本办法，能够规划运维资料采集、处理、告警和拆解的整体架构。
3.
自动化运维和执行架构本领
：掌握自动化运维的分级模型和适用边界，能够识别发布、扩缩容、故障处理等等情境的自动化落地点，降低要害流程对个人心得的倚重。
4.
事故管控和持续改进本领
：掌握事故管控的工程化流程和无责复盘制度，能够将事故心得转化为流程、规范和平台本领，形成可持续的稳定性改进闭环。
5.
平台化建设和演进本领
：领会从抓手堆砌到一站式平台的演进推演，掌握平台化
SRE 的核心抽象（资料、经过、流程、自动化、审计），形成公司级 SRE 本领建设路线图。
课程大纲
��
Day 1｜统一 SRE 工程认知
首讲：
SRE 架构认知和稳定性办法论
第一章：为何我们需要
SRE
章节标的：
支援参训者领会传统运维在系统规模化来由下的根本局限，并构筑稳定性需要工程化破解的基本认知。
1.
传统运维
vs SRE 的本质差异
2. 系统规模化带来的复杂度挑战
3.
从
“心得型运维”到“工程化稳定性”
第二章：常见的系统和运维认知误区
章节标的：
识别并纠正常见的稳定性认知偏差，为后续
SRE 办法论研习构筑正确。
1、 “系统不出故障就是稳定”
2， “上了云 / k8s 就天然高可用”
3， “监控越多系统越安全”
第三章：
SRE 的核心标的和价值边界
章节标的：
明晰
SRE 在公司技艺架构中的职责边界和定位，防止将其误解为抓手或者单一岗位。
1、 SRE 破解什么问题
2、 SRE 不破解什么问题
3、 SRE 在公司技艺架构中的定位
次讲：为何一定会失败
—— 分布式系统的工程现实
第一章：分布式系统的天然不可靠性
章节标的：
构筑对分布式系统不可靠性的现实预期，为领会稳定性规划的必要性奠定基础。
1、 网络不可靠和延迟不确定性
2、 时钟和状态不一致问题
3、 部分失败的常态化
第二章：系统复杂度和失效概率
章节标的：
领会系统复杂度随规模增长而失控的规律，以及服务倚重对稳定性的放大效应。
1、 系统规模和复杂度的非线性增长
2、 服务倚重关系的放大效应
3、 级联故障的形成制度
第三章：稳定性问题的真实来源
章节标的：
支援参训者区分表面技艺问题和系统性问题，领会稳定性隐患的真实来源。
1、
技艺问题
vs 系统性问题
2、 架构规划对稳定性的长期影响
3、 运维方式对故障的放大作用
三讲：
SRE 的核心办法论轮廓
第一章：
SRE 的办法论整体结构
章节标的：
构筑对
SRE 办法论整体结构的系统认知，为后续具体本领研习提供轮廓视角。
1、 SRE 的四大核心支柱
2， 工程化稳定性的基本思路
3、 办法论在公司中的运用方式
第二章：
SLI / SLO 的基本概念
章节标的：
领会怎样借助
SLI / SLO 将系统稳定性从抽象概念转化为可量化标的。
1、
何为
SLI，何为指标
2、 SLO 和业务标的的关系
3、 技艺指标和业务可用性的映射
第三章：
Error Budget 的管控思想
章节标的：
领会
Error Budget 怎样在稳定性和研发效率之间构筑可管控的平衡制度。
1、
为何稳定性不能追求
100%
2， Error Budget 的约束作用
3、 稳定性和研发效率的平衡
四讲：从人治运维到工程化稳定性
第一章：人治运维的结构性瓶颈
章节标的：
识别人治运维在规模化系统中的不可持续性以及其带来的系统性隐患。
1、 专家倚重和学识孤岛
2、 心得不可复用的问题
3、 运维本领难以规模化
第二章：工程化稳定性的要害特征
章节标的：
领会工程化稳定性的核心特征，构筑稳定性可规划、可管控的认知基础。
1、 可度量的稳定性标的
2、 可约束的研发和运维行为
3、 可自动化的执行本领
第三章：
SRE 和组织协同模式
章节标的：
领会
SRE 在组织中的协同方式以及其对研发和运维协同的影响。
1、 SRE 和开发队伍的协同关系
2、 SRE 和运维队伍的定位演进
3、 SRE 在技艺治理中的作用
��
Day 2｜平台化落地本领
五讲：
SRE 资料架构和可观测性本领
第一章：
SRE 所倚重的资料基础
章节标的：
领会资料在稳定性工程中的基础性作用以及资料缺失带来的运维隐患。
1、 为何资料是稳定性的基础
2、 资料驱动决策的必要性
3、 资料缺失带来的隐患
第二章：可观测性的核心组成
章节标的：
明晰指标、日志和链路在稳定性拆解中的不同定位和价值。
1、
指标（
Metrics）的定位
2、
日志（
Logs）的价值
3，
链路（
Traces）的作用
第三章：从监控到可观测性
章节标的：
领会可观测性相较传统监控所提供的本领边界和决策价值。
1、 传统监控的局限
2、 可观测性支持的本领边界
3、 可观测性和稳定性管控的关系
第六讲：告警架构和稳定性管控本领
第一章：告警在
SRE 中的定位
章节标的：
领会告警在稳定性工程中的真实作用以及其和人类注意力的关系。
1、 告警的真实目的
2、 告警和人类注意力的关系
3、 告警失效的常见原因
第二章：告警规划的基本要则
章节标的：
掌握告警规划的基本要则，防止无效告警和告警泛滥问题。
1， 哪些问题值得被告警
2、 告警的优先级和分级
3、 告警和业务标的的关联
第三章：从告警响应到稳定性管控
章节标的：
领会告警怎样从被动响应抓手演进为稳定性管控的要害手段。
1、 告警和决策的关系
2、 告警系统的长期演进
3、 防止告警疲劳的办法
第七讲：自动化运维和工程化执行本领
第一章：自动化运维的演进阶段
章节标的：
领会自动化运维本领的阶段性演进路径，防止对自动化的过度期待。
1、 人工操作阶段
2、 脚本化和流程化阶段
3、 自动化和自愈系统阶段
第二章：自动化的价值和边界
章节标的：
识别适合自动化的运维情境，并领会自动化可能带来的新隐患。
1、 哪些情境适合自动化
2、 自动化带来的新隐患
3、 过度自动化的典型问题
第三章：自动化和稳定性工程
章节标的：
领会自动化在稳定性工程中的作用以及其对运维模式的影响。
1、 自动化在发布中的作用
2， 自动化在故障处理中的运用
3、 自动化对运维模式的改变
第八讲：平台化
SRE 本领建设和演进路线
第一章：从抓手堆砌到平台化本领
章节标的：
认识抓手割裂的长期成本，并领会平台化建设的必要性。
1、 抓手割裂带来的长期成本
2、 平台化建设的必要性
3、 本领沉淀和复用的问题
第二章：平台化
SRE 的核心本领模型
章节标的：
领会平台化
SRE 的核心本领构成，为公司平台建设提供办法论参考。
1、 资料本领的统一
2、 经过和流程的统一
3、 自动化本领的统一
第三章：公司级
SRE 本领演进路径
章节标的：
构筑公司
SRE 本领分阶段演进的整体认知，明晰不同阶段的建设重点。
1、 初级阶段：抓手和流程
2、 中级阶段：本领沉淀和自动化
3、 高级阶段：智能化和决策支持
老师简介
Introduction to lecturers
弄懂更多
博闻智咨询|谢海林老师
适合谁听
SRE工程师 运维工程师 运维开发工程师。建议同一家企业 3 人以上同来，课堂上直接改造本企业的实际问题——单人参加也能学到方法，但带不走可用的成果。
交付流程
课前：顾问访谈 2 位管理者，收集现状与问题清单，讲师据此调整案例。课中：讲授与演练各占一半，产出可直接用的工具与方案。课后：7 天内提交改进建议，30 天内一次线上答疑。