LinkedinSRE中文教程（二）原文：SchoolofSRE协议：CCBY-NC-SA4.0一些Python概念原文：https://linkedin.github.io/school-of-sre/level101/python_web/python-concepts/虽然期望您了解python及其基本语法，但是让我们讨论一些基本概念，这将帮助您更好地理解python语言。

本节重点介绍:启动3个alert_receive接收端在alertmanager配置文件中编写相关路由prometheus编写rule文件触发告警观察3个接收端5001收到alert_g_15002收到alert_g_25003收到alert_g_1和alert_g_2分组说明alertmanager可以根据设置的路由将告警可以分组处理，发送给对应

如果你了解过Kafka，那么它用到的一个性能优化技术可能会引起你的注意--操作系统的零拷贝（zero-copy）优化。零拷贝操作可以避免对数据的非必要拷贝，当然，并非是说完全没有拷贝。在Kafka的场景下，操作系统可以从pagecache拷贝数据到socketbuffer，直接绕过Kafkabroker这个

如何在kubernetes中抓包原创 NANA SRE运维实践如何在kubernetes中抓包原创 NANA SRE运维实践  2024年08月03日01:06 江苏 听全文序言  随着云原生的落地，k8s使用的人也越来越多了，而在这种环境中，抓包有的时候也是一种纠结的事情。    爱意随风起，风止意

前言：随着数字化转型的不断深入，企业对于IT系统的运维管理提出了更高的要求。为了帮助企业提升IT运维的可观测性，确保系统的稳定性和安全性，由雅菲奥朗培训中心举办的“可观测性ObservabilityFoundation认证培训”于4月27日-28日成功举办。本次培训吸引了包括星巴克、汉为软件、

前言：在技术革新日新月异的今天，SRE系统可靠性已成为企业运营的核心。为了提升企业技术团队的系统稳定性管理能力，雅菲奥朗于2024年6月1日至2日，为浙江移动各地市的学员们举办了“SREFoundation”认证培训。此次培训由资深SRE首席专家刘峰老师主讲，旨在深化学员对SRE理念与实践的

引言本期分享主题是美图SRE团队的稳定性运营实践，本期分享内容为「守」稳住基本盘、Q&A一、「守」稳住基本盘SRE体系建设指南SRE稳定性建设全景图(故障生命周期视角)故障生命周期管理「故障后：故障复盘」故障生命周期管理「故障后：故障报告」故障生命

 引言本期分享主题是美图SRE团队的稳定性运营实践，本期分享内容为「攻」规划&运营：3大方向、2个基础、1些探索、小结、Q&A一、3大方向稳定性「监控体系梳理」稳定性「可观测性建设-整体架构」稳定性「监控大盘建设」稳定性「运维元数据+应用拓扑」

引言本期分享主题是多云环境下SRE工程的思考，本期分享内容为SRE在云上的变革、SRE在云上的思考、云上SRE的未来、云上SRE的福利、Q&A一、SRE在云上的变革-Elastic弹性SiteReliabilityEngineer=SoftwareEngineer+SystemsEnthusiast(Fans)站点可靠性工程师=软件

2023年12月15日，2023首届服务韧性工程（SRE）论坛在杭州成功举行，大会邀请了来自通信、金融、医疗、制造行业等100余位SRE领域专业人士参加，本次大会特别设立了主题为“数据中心运维的新发展”的分会场，由广通优云和SRE专委会联合出品。邀请来自数据中心领域不同行业的产学研用的专家，就

夜莺资深用户群有人推荐的一个工具，看了一下真挺好的，也推荐给大家。需求场景A服务调用B服务的HTTP接口，发现B服务返回超时，不确定是网络的问题还是B服务的问题，需要排查。工具简介就类似curl，httpstat也可以请求某个后端，而且可以把各个阶段的耗时都展示出来，包括DNS解

大家好，我是Edison。五一假期，没出远门，带娃露营玩水玩沙骑平衡车，累的不亦乐乎。同时，也刷了一门极客时间的课程《SRE实战总结》，给我带来了一些新的认知，我将这些认知整理了以下，特此总结分享与你，强烈建议已经实践了DevOps的童鞋了解一下SRE。什么是SRE？SRE全称SiteReliabilityEngi

一直喜欢养绿萝，这种植物你只要十几天不浇水，就会枯萎。。。等到某天你又把它浇水了，你会发现，立刻就会生机盎然。。。在众多软件职业中，一直以为运维的KPI事最难考核的，所以也谈谈自己的理解。。。运维KPI运维，常人的理解就是一个扛锅的，不停的抗锅，抗的锅也越来越大，抗的锅也越来越

what's sitereliabilityengineer站点可靠性工程（sitereliabilityengineerSRE）是IT运维的软件工程方案。SRE团队使用软件作为工具，来管理系统、解决问题并实现运维任务自动化。SRE执行的任务以前通常由运维团队手动执行，或者交给使用软件和自动化来解决问题和管理生产系统

一.运维技术栈1.1运维高薪的技术点后端开发涉及到的基础设施技术：docker，k8s，servicemesh,yaml式的声明APICI/CD：jenkins，argo，Tekton,gitlab自动化工具：ansible，shell,ELK微服务：服务网格高薪技术点，重点研究这4个。当然云原生的技术栈内容很多，不可能面面俱到，那就捡重点的进行

远程操作机器有时会比较麻烦，我写了一个工具，主要功能：1.远程执行命令2.上传下载文件。是一个WebServer，通过HTTP请求来操作机器，类似一个小木马。当然，因为是一个WebServer，所以也提供了打印HTTP请求的能力，方便调试Webhook场景。下面给大家演示一下。安装工具代码放到Gith

问题背景访问某个HTTP域名接口，偶发性超时，原因可能多种多样，比如DNS解析问题、网络质量问题、对端服务负载问题等，在客户端没有良好埋点的情况下，排查起来比较费劲，只能挨个方向尝试，这里送大家一个小工具，可以快速采样DNS解析延迟，快速确认是否是DNS解析问题。使用演示运行工

背景稳定性建设需要一系列具体的建设活动推进和落地，这些建设活动涉及人员、机制和文化，全方位的建设活动才能更好地落实建设模式。一、稳定性保障机制稳定性涉及团队所有不同水平技术人员、所有系统、研发所有环节、线上时时刻刻，单个技术人员是无法保障好的，必须建立团队流程机

在网络上关于SRE的讨论中，故障相关的内容比比皆是，但关于故障发生时的应急处理过程的详细讨论却寥寥无几。然而面对故障，故障指挥官一定面临着较大的压力，需要快速、正确地处置故障，应对内外部的挑战。在这篇文章中，我们将重点探讨故障指挥官在故障处理过程中的具体行动思路。值得注意

作者：观测云数据智能部产品方案架构师范莹莹简介生产环境bug的定义：RUM应用和APM应用的 error_stack 信息被捕捉后成为bug。以APM新增错误巡检为例，当出现新错误时，在观测云控制台的「事件」模块下生成新的事件报告，捕捉为bug。同时利用 DatafluxFunc 创建异常追踪，

原文链接：百度SRE岗面试复盘SRE岗面试复盘-K8S篇SRE岗面试复盘-可观测性篇‍‍‍SRE岗面试复盘（外企篇）SRE岗面试复盘（某Top私募量化）经验方案微服务应用迁移到Kubernetes，流量如何接入切换？微服务架构迁移Kubernetes，主要做了哪些工作，中间有遇到什么难点？image-2024

在GoogleSRE的著作《Google运维解密》(原作名：SiteReliabilityEngineering:HowGoogleRunsProductionSystems)中，GoogleSRE的关键成员们几乎不惜用了三个章节的篇幅描述了在Google他们是如何OnCall的。GoogleSRE实践中，有一个广为人知的理念：减少琐事，用软件工程的方

转载说明：如果您喜欢这篇文章并打算转载它，请私信作者取得授权。感谢您喜爱本文，请文明转载，谢谢。众所周知，Python在处理Excel数据文档时非常强大。最近也尝试了一下使用Python处理Excel数据，几行代码就能实现一个非常有用的功能，非常棒！这次实验的是，使用Python给Excel数据去重。创建

在网络上关于SRE的讨论中，故障相关的内容比比皆是，但关于故障发生时的应急处理过程的详细讨论却寥寥无几。然而面对故障，故障指挥官一定面临着较大的压力，需要快速、正确地处置故障，应对内外部的挑战。在这篇文章中，我们将重点探讨故障指挥官在故障处理过程中的具体行动思路。值得注意

一分钟精华速览超30位专家共创，近20篇最佳实践，共计15万字。联合所有编写成员正式发布，限量赠送，即日起申领。（方式见文末）为什么整理行业最佳实践？大量实践证明，分布式系统稳定性的提升，不仅仅需要从技术工具发力，还涉及到组织、制度流程、人员能力等方方面面的问题。而每家企业