howtheysre

他們如何表現

介紹

他們如何SRE如何成為網站可靠性工程（SRE）最佳實踐，工具，技術和文化的策劃知識存儲庫，由領先的技術或精通技術的組織採用。

許多組織經常分享他們的見解和專業知識，包括塑造其工程文化的最佳實踐，工具和技術。他們通過工程博客，會議和聚會等各種公共平台來做到這一點。該存儲庫編譯並介紹從這些來源收集的內容。

主題

• 站點可靠性工程
• 僱用和建立SRE團隊
• SRE文化
• DevOps
• 監視和可觀察性
• 警報
• 事件響應和驗屍
• 呼叫
• 生產測試
• 混亂工程
• 自動化
• 表現
• 平台工程

組織

成就者

博客文章

• 輸入屠宰場 - 建築物“點菜” gitops工具
• 在全球範圍內擴展生產 - 服務網絡改款（第1部分）
• 全球擴展生產 - 解決開發人員的可觀察性問題（第2部分）
• 負載測試Kubernetes：構建框架（第1部分）
• 負載測試Kubernetes：解決瓶頸和提高性能（第2部分）

Airbnb

博客文章

• 通過鬆弛自動事件管理
• 檢測漏洞
• 在Airbnb發出警報框架
• 當云變得黑暗時 - 亞馬遜的中斷如何影響Airbnb
• 智能自動化平台：賦予Airbnb的對話人AI及其他
• Airbnb的生產秘密管理
• 大規模自動化數據保護，第1部分
• 大規模自動化數據保護，第2部分
• 大規模自動化數據保護，第3部分
• Airbnb的動態kubernetes群集縮放

阿爾高利

博客文章

• 5月30日SSL事件
• 進入SRE的旅程
• CI/CDAY 2024：是什麼使CI/CD平台成為什麼？

阿里巴巴雲

博客文章

• 為什麼頂級互聯網公司選擇SRE而不是傳統的O＆M？
• 比利比利實時平台的建築和實踐

體式

博客文章

• 體式如何使用Asana：安全事件響應
• Asana如何發行穩定的Web應用程序發布
• 分析最近的停機時間以及我們為防止未來事件做什麼
• 開發人員環境：通過快速重置來實現可靠性
• 每個IT領導者今年秋天考慮的三種安全策略

ASOS

博客文章

• 玩無責任的比賽
• …CAT S（可靠性工程主管）的一天
• AKS性能旅程：第1部分 - 對所有內容進行調整
• AKS性能旅程：第2部分 - 網絡
• 網絡安全 @ asos.com
• 安全操作24x7
• 我們在網絡安全事件中尋找的技能響應

阿特拉斯利亞人

博客文章

• DevOps時代變更管理的最佳實踐
• 自動測試：來自Atlassian的Kubernetes團隊的5堂課，用於測試基礎架構作為代碼
• 如何導出Kubernetes事件以觀察到和警報
• 事件驗屍模板

後市場

博客文章

• Back Market SRE如何為黑色星期五做準備

百度

影片

• 金信號的異常檢測
• Netradar：監視數據中心網絡
• 讓混亂開始 - Sre Chaos Engineering符合網絡安全

基礎

博客文章

• 內部代碼紅色：網絡版
• 三個基本打電話。一周。發生了什麼？
• Basecamp 2和Basecamp 3搜索中斷報告
• 減少Basecamp的事件升級

圖書

• 形狀

彭博

影片

• 通過頁面參考抽樣的能力計劃和績效提高
• 為什麼SRE負擔不起不做混亂工程
• 追踪實時分佈式系統
• 彭博故事：在一個“不可估量”的組織中建立SRE團隊
• 可見性對伐木者（和其他低級服務） - 從森林中看到樹木

booking.com

博客文章

• 可靠性和產品團隊如何在booking.com上合作
• 事件，修復和第二天
• 故障排除：進入未知的旅程

影片

• 數據密集型服務的SLO
• 帶有容器基礎設施的較少旅行道路的好處

首都一

博客文章

• 與Slack自動化應用程序監視
• 使用Boto 3：AWS健康檢查自動化AWS基礎架構
• 主動活動共享的數據庫體系結構
• SRES的3 R：彈性，恢復和可靠性
• 準備好您的應用混亂的5個步驟
• 4種像混亂工程實驗一樣閱讀的現實情況
• 擁抱混亂……工程
• 從企業實施混亂工程中學到的3個教訓
• 深入研究AWS CodeDeploy的無縫藍色/綠色部署
• 安全的Docker容器需要安全的應用程序
• 配對雲和Devops以提高彈性的4個步驟
• 使用十二個因素應用程序和微服務體系結構的容器就緒應用程序
• 充滿信心地部署 - 最大程度地降低風險，最大程度地利用AWS的金絲雀部署
• 建築建築以提高彈性
• 連續混亂 - 將混亂工程引入DevOps實踐
• Mon-Fifesto第1部分：指標

主要事件與分析報告

• 有關Capital One網絡事件的信息
• 對資本一個數據洩露的案例研究

影片

• 持續交付 - 資本一號
• DevOps中的連續混亂 - 首都一號
• Capital One的DevOps：專注於管道和測量
• 自動化管理雲帳戶運營健康的管理

共同案件

博客文章

• 開源Coinbase的安全部署管道

達茲

博客文章

• DAZN的站點可靠性

DBS

博客文章

• 在ITHOME的SRE會議上展示：到目前為止我們的DBS SRE轉型之旅
• 揭穿七個最受歡迎的網站可靠性工程神話
• 如何使用SRE在工作場所培養無罪的文化
• DBS銀行的站點可靠性工程
• 大規模自動配置管理
• DBS如何消除混亂工程的神話
• 雙重勞動和麻煩

影片

• SRECON對話亞太與Koon Seng Lim，DBS

DeepSource

博客文章

• REDIS無磁盤複製：什麼，如何，原因和警告
• 如何用kubernetes設置保險庫
• 分解Kubernetes中的零停機時間部署

Dream11

博客文章

• 大規模部署：Dream11內部藍綠色部署平台“ OneClick”背後的故事。
• 通過AWS WAFV2增強安全性和信任
• 從運行GraphQL中學到的經驗教訓
• 斷路，節省孔？
• 在混亂中查找訂單：我們如何使用扭矩自動化性能測試
• 在Dream11中保持超聲發行版
• 縮放還是擴展？這是我們在Dream11進行擴展的方式
• Dream11構建可擴展的實時分析，警報和異常檢測體系結構

Dropbox

博客文章

• Dropbox工程職業框架 - 可靠性工程師（SRE）
• Atlas：我們從Python Monolith到託管平台的旅程
• 用渦流監視服務器應用程序
• 雅典娜：我們的自動建築健康管理系統
• 有興趣成為網站可靠性工程師嗎？

影片

• 服務發現挑戰

ebay

博客文章

• Kafka的彈性和災難恢復
• SRE案例研究：在記憶問題上分類非降低的JVM
• SRE案例研究：神秘的交通不平衡
• 零停機時間，即時部署和回滾
• eBay的通知平台如何以新方式使用故障注入

影片

• Madaari：訂購猴子

史詩般的遊戲

影片

• AWS RE：Invent 2018：Epic Games使用AWS向2億玩家提供Fortnite

Etsy

博客文章

• 改善十年申請的部署經驗
• Etsy如何為2020年的歷史度假貨幣做準備
• 你的大腦進步
• Etsy的匯報促進指南指南
• OPSWEEKLY：測量警報分類的呼叫經驗
• 揭開現場中斷
• 無罪的郵政事故和公正文化
• 測量任何東西，衡量一切

影片

• 速度09：John Allspaw和Paul Hammond，“ 10+部署PE
• 將整體遷移到雲端

Expedia

博客文章

• 自動化性能標準
• 錯誤預算政策 - 第1部分 - 在Expedia集團中採用
• 錯誤預算政策 - 第2部分 - Expedia Group的實踐
• 使用故障注射來提高我們新的運行時平台的可靠性
• 從Expedia Group的事件中學習
• 改善VRBO主頁加載體驗
• 故障排除502錯誤：ECS清單
• 開始使用Elasticsearch
• 關於istio-proxy 5xx問題
• 在Kubernetes中自動化：為什麼水平豆莢自動製劑不適合我？
• 如何保持Kubernetes部署在多個區域之間保持平衡
• 您的Dropwizard延遲指標是否會誤導您？
• 100％可靠性的成本
• 創建監視儀表板
• 使用Bash進行DevOps

迅速

影片

• SRE和產品管理：如何通過像產品經理一樣思考來升級您的團隊（和職業！）
• 彈性工程神話

G研究

博客文章

• 我們在G-Research的SRE旅程
• SRE之旅繼續
• OPENTSDB META CACE - 性能權衡

Getaround

博客文章

• 我們如何處理事件
• 我們連續交付過程的演變

github

博客文章

• 我們如何通過迭代簡化改善可用性
• 我們如何改善GitHub上的推動處理
• Github如何使用合併隊列每天運送數百個變化
• 使用AI修復安全漏洞
• Github的工程基礎計劃：我們如何提供可用性，安全性和可訪問性
• GitHub如何使用GitHub動作和動作較大的跑步者來構建和測試GitHub.com
• GitHub安全實驗室在開源項目中披露500個CVE的旅程
• CodeQL團隊使用AI在代碼中為漏洞檢測供電
• 解決GitHub最近的可用性問題
• 建立整個組織的治理和重新利用CI/CD和使用GitHub行動的自動化
• 通過GITHUB操作通過exuceops啟用分支機構部署
• 使用ChatOps幫助行動中的工程師
• 分區GitHub的關係數據庫來處理規模
• 通過GitHub代碼掃描增加開發人員的幸福感
• 為什麼（以及如何）GitHub採用opentelemetry
• 改善GitHub上的大型MonorePo性能
• GitHub的部署可靠性
• 改善我們如何部署github
• 在Github建立呼叫文化
• 將片狀構建減少18倍
• 操作在DevOps中的不斷發展的作用
• DevOps Automation入門
• GitHub的MySQL高可用性

主要事件與分析報告

• GitHub可用性報告：2024年8月
• GitHub可用性報告：2024年7月
• GitHub可用性報告：2024年6月
• GitHub可用性報告：2024年5月
• GitHub可用性報告：2024年4月
• GitHub可用性報告：2024年3月
• GitHub可用性報告：2024年2月
• GitHub可用性報告：2024年1月
• GitHub可用性報告：2023年12月
• GitHub可用性報告：2023年11月
• GitHub可用性報告：2023年10月
• GitHub可用性報告：2023年9月
• GitHub可用性報告：2023年8月
• GitHub可用性報告：2023年7月
• GitHub可用性報告：2023年6月
• GitHub可用性報告：2023年5月
• GitHub可用性報告：2023年4月
• GitHub可用性報告：2023年3月
• GitHub可用性報告：2023年2月
• GitHub可用性報告：2023年1月
• GitHub可用性報告：2022年12月
• GitHub可用性報告：2022年11月
• GitHub可用性報告：2022年10月
• GitHub可用性報告：2022年9月
• GitHub可用性報告：2022年8月
• GitHub可用性報告：2022年7月
• GitHub可用性報告：2022年6月
• GitHub可用性報告：2022年5月
• GitHub可用性報告：2022年4月
• GitHub可用性報告：2022年3月
• GitHub可用性報告：2022年2月
• GitHub可用性報告：2022年1月
• GitHub可用性報告：2021年12月
• GitHub可用性報告：2021年11月
• GitHub可用性報告：2021年10月
• GitHub可用性報告：2021年9月
• GitHub可用性報告：2021年8月
• GitHub可用性報告：2021年7月
• GitHub可用性報告：2021年6月
• GitHub可用性報告：2021年5月
• GitHub可用性報告：2021年4月
• GitHub可用性報告：2021年3月
• GitHub可用性報告：2021年2月
• GitHub可用性報告：2021年1月
• GitHub可用性報告：2020年12月
• GitHub可用性報告：2020年11月
• GitHub可用性報告：2020年8月
• GitHub可用性報告：2020年7月
• 引入GitHub可用性報告
• 2月服務中斷事後分析
• 10月21日，後期分析
• 2月28日DDOS事件報告
• 事件報告：無意的私人存儲庫披露

影片

• 一對一

GitLab

博客文章

• 此SRE試圖推出Haproxy配置更改。您不會相信接下來發生的事情...
• 我的一周陰影Gitlab網站可靠性工程師
• 更新：用於高級全局搜索的Elasticsearch課程
• 新團隊基礎架構的迭代課程
• 我們如何優化Gitlab的基礎設施支出
• 我們如何使用sidekiq在gitlab.com上縮放異步工作負載處理
• gitlab內部：我們如何發佈軟件補丁
• 追踪的缺少TCP飼養員教會了我關於Docker，Golang和Gitlab的知識
• 我們如何使用PostgreSQL使用延遲複製進行災難恢復

無蓋

博客文章

• 在Gocardless：開源我們的“入門”教程中部署軟件
• 我們如何壓縮酒吧/子消息等等，節省一筆錢
• 鐵軌的無恐懼後Ql遷移
• 無蓋無觀的可觀察性：API性能改善的故事
• 調試PostgreSQL查詢計劃者
• 零下降的郵政遷移 - 硬零件
• 尋找性能 - 我們如何剃光200ms的每個帖子請求

主要事件與分析報告

• 事件評論：2020年10月25日的服務停電，Vault TLS到期
• 事件評論：2017年10月10日的API和儀表板中斷

Godaddy

博客文章

• Kubernetes封閉部署
• Kubernetes外部秘密
• Kubernetes-應用程序開發人員的實用介紹
• kubernetes api的直觀node.js客戶端

Gojek

博客文章

• 引入Skynet：基礎架構作為Gojek的代碼
• 擴展我們的地理搜索服務10倍負載
• 為什麼我們向RCA發誓
• 我們如何在GKE上升級Kubernetes
• 我們如何監視生產中的Apache氣流

高盛

博客文章

• SECDB可觀察性旅程
• 混亂測試AWS上的應用程序
• 使用機器學習來提高應用程序彈性的預測產能停電
• 通過使用Haproxy，通過SYBASE IQ多路復用提供99.9％的可用性和次秒響應時間
• 使用Amazon RD和Amazon Aurora建立多區域彈性
• 在高盛（Goldman Sachs）啟用高度可用的Trino集群
• 大規模可觀察性
• 基礎架構和指揮鏈模式
• 移動CICD與EC2 MACOS
• 宣布捕獲 - 源代碼秘密掃描儀
• 建立數據工程平台

Google

博客文章

• 使用生成AI加速事件響應
• 微服務依賴管理中的陷阱和模式
• SRE練習和流程
• Google網站可靠性使用
• 三個月，30倍的需求：我們如何擴展Google在Covid-19期間
• SRE教室：分佈式Pubsub
• SRE團隊的組織方式以及如何開始

影片

• DevOps和SRE有什麼區別？與Google的Seth Vargo和Liz Fong-Jones一起
• 與Google的Seth Vargo和Liz Fong-Jones一起使用風險和錯誤預算
• 務實的自動化'與GCP的Max Luebbe
• 必須看！ -Google SRE YouTube播放列表
• 緊縮級別的目標：SRE如何幫助對齊技術工作以使用戶利益
• 實施分佈式共識
• 我渴望成為
• SRE教室，或如何在3小時內設計可靠的分佈式系統
• 零觸摸產品：面向更安全，更安全的生產環境
• 我們所有的ML想法都是不好的（我們應該感到難過）
• 該地圖不是領土：SLO如何使我們誤入歧途，以及我們能做什麼
• 將SRE培訓最佳實踐部署到生產中：我們如何制定SRE教育計劃
• Bigtable：從二進製到服務的旅程以及一路上學到的教訓
• 可觀察性的實用儀器
• 什麼是ML OPS：生產ML服務的解決方案和最佳實踐
• 統一的服務可靠性報告
• 如何交易服務器利用率和尾部潛伏期
• 保持平衡：互聯網規模的負載平衡神秘
• 從黑匣子到已知數量：如何構建可預測的，可靠的基於ML的服務
• SRE中的正念：監視和警告自己的自我
• 務實的自動化
• 實踐中的均方根縮放：1K SRE項目
• 編輯生產數據的策略
• SRE自治的詛咒以及如何管理它
• 擴展SRE組織：從1到許多團隊的旅程
• SRE教室 - 如何在3小時內設計分佈式系統
• 使用PRD和用戶旅行來設計用戶友好的工具
• Google SRE和開發人員如何共同努力
• SRECON21- SRE的實驗

抓住

博客文章

• 我們在Grab連續交付的旅程（第1部分）
• 我們在Grab連續交付的旅程（第2部分）
• 設計彈性系統：斷路器還是檢索？ （第1部分）
• 設計彈性系統：斷路器還是檢索？ （第2部分）
• 設計彈性系統超出重試（第3部分）：建築模式和混亂工程
• 使用Grab的實驗平台編排混亂
• 我們如何設計配額微服務以防止資源濫用
• 我們如何縮放緩存並睡個好覺

文法

博客文章

• 擴展AWS基礎架構以支持多個區域
• AWS環境中的安全操作

熱情

博客文章

• 服務級別的目標目的
• 調試SideKiq毒藥

halodoc

博客文章

• 本地移動應用程序的站點可靠性工程

Heroku

博客文章

• Heroku的新建築中的聚會冒險
• Heroku的事件響應

IBM

博客文章

• 什麼是站點可靠性工程（SRE）？
• AIOPS工具和解決方案

的確

博客文章

• 確實是SRE：內部外觀
• 足夠可靠
• 自動化確實的發布過程
• 懶惰，一種誘導網絡失敗的工具

影片

• 我們越來越好嗎？朝更安全的行動邁進

的確

博客文章

• SRE劇本 - 實用指南

可汗學院

博客文章

• 可汗學院如何在一周內成功處理2.5倍的流量
• 不斷發展我們的內容基礎架構

LinkedIn

博客文章

• 通過容量分析儀重新思考現場容量預測
• 深入了解LinkedIn產品SRE團隊
• 在LinkedIn僱用SRES
• 開源更新：SRE學校
• 修復Linux文件系統性能回歸
• 黑色金絲雀的生產測試
• LinkedIn的實時監控平台Thixteye中的智能警報
• 虹膜手機：用於事件管理的開源，移動接口
• 鏈接：請求級故障注入框架
• 通過全自動負載測試消除辛勞
• 成功的地理分佈的SRE團隊的構成：第1部分
• 成功地理分佈的SRE團隊的成功構成：第2部分
• 項目明星*：簡化我們的電話過程
• 自動化您的oncall：開源紋章和ASCII蝕刻
• LinkedIn的彈性工程與項目水折
• 在LinkedIn招聘SRE，2017年
• 開源虹膜和oncall
• 在LinkedIn建立SRE文化
• 失敗不是一個選擇
• MTTD和MTTR是關鍵
• 測量的是修復的

影片

• 在LinkedIn：招聘很困難-Greg Leffler
• 9年的失敗：賽車糟糕的汽車如何使我變得更好
• 風暴風暴：早期警告如何拯救農場
• 不參加會議：SRE中未解決的問題
• 領導而無需管理：成為SRE技術領導者
• 為什麼（我的）監視很爛？
• 交通預測和壓力測試基礎設施
• 集體正念在SRE中做出更好的決定
• TCP - 架構，增強和調整
• 超過6億成員和數百個微服務：我們如何擴展監控系統以跟上
• 了解業務指標可以使您成為更好的SRE
• 代碼黃色：幫助運營最聰明的團隊以明智的方式
• 公司之間SRE實施的差異

工具

• 呼叫

loggi

博客文章

• 發布管理器模型
• SRE團隊＃8：Loggi

Loveholidays

博客文章

• 與Prometheus和AlertManager的動態警報路由
• 用HTTP/3使LoveHolidays更快地製作LoveHolidays
• 使用Terraform，Atlantis和政策作為代碼來實施自助基礎設施的最佳實踐
• 有助於擴展Loveholidays的5個原則
• 實時與Grafana Loki快速登錄，每天不到1美元

麥格理

博客文章

• 我們與Golang一起旅行的DevSecops
• 管道配置為與Kotlin的代碼
• DevOps和職責隔離
• Macquarie擁抱Devops
• 在整個企業上擴展Kubernetes平台

最重要

博客文章

• 用Prometheus和Thanos大規模監視雲環境
• 我們如何使用懶惰對Prometheus進行SLO監測和警報

meituan（美團）

博客文章

• SRE在雲中的發展和實踐（雲端的sre發展與實踐）

Mercari

博客文章

• 誰看著守望者？密切關注我們的監視系統
• SRE SRE團隊作為SRE福音傳教士所做的事情
• 作為嵌入式微服務SRE工作的感覺
• Merpay SRE團隊：過去和未來
• 在Mercari嵌入SRED SRE
• SRE團隊希望在開發團隊中取得什麼成就
• DevSecops：這是什麼，為什麼它在行業中獲得動力？
• 我們如何分享故障排除技能
• datadog儀表板，w / terraform

元

博客文章

• 利用AI進行有效的事件響應
• 通過數據註釋改善Meta的SLO工作流程
• 光滑：採用SLO以提高可靠性
• 有關10月4日停電的更多詳細信息
• 有關10月4日停電的更新

影片

• SRE的客戶服務方法
• 如何（不）擴展項目：驗屍
• 每7分鐘釋放一次世界上最大的Python網站
• 使用ML自動化動態錯誤分類

微軟

影片

• SLI和可靠性深入研究'與Microsoft的David N. Blank-Edelman
• 自動化的諷刺：一部喜劇，分為三部分'與Microsoft的Tanner Lund
• 可持續軟件工程和SRES
• 研究人為因素和團隊文化以改善Pager疲勞
• 在創建應用程序時優先考慮信任
• 建築韌性：如何從事件中學習更多
• 兩個郵政事故的故事：人為意見
• 可用性 - 超過9秒
• 自動化諷刺：三個部分的喜劇
• 無服務器中的操作

米羅

博客文章

• Prometheus高可用性和容錯策略，長期存儲與VictoriAmetrics
• 管理數百台服務器進行負載測試：自動化，自定義監控，DevOps文化
• 關於意外細微差別的可靠負載測試

蒙佐

博客文章

• 自動化Monzo：我們如何優化平台以成為合適的尺寸
• 我們如何在Monzo進化
• 我們如何應對事件
• 我們如何監視Monzo

影片

• 最終始終如一的服務發現

工具

• 回覆

Netflix

博客文章

• 在異步工作流程中實現可觀察性
• 構建Netflix的分佈式追踪基礎設施
• Netflix建立可觀察性工具的教訓
• 埃德加：以可觀察性解決謎團
• Telltale：Netflix應用程序監控簡化
• 保持客戶流媒體 - Netflix的集中站點可靠性實踐
• 介紹調度
• 將Netflix DevOps模式應用於Windows
• 章節：混亂自動化平台
• 開始雪崩
• Netflix混亂猴子升級
• 混亂工程升級
• 自動故障測試
• 從混亂到控制 - 測試Netflix內容髮現平台的彈性
• 介紹地圖集：Netflix的主要遙測平台
• 適合：故障注射測試
• 宣布安全猴子 - AWS安全配置監視和分析
• Netflix的課程從AWS中斷學到了
• Scryer：Netflix的預測自動擴展引擎

主要事件與分析報告

• 2012年10月22日的驗屍退化

影片

• AWS RE：Invent 2019：Netflix工程師生平的一天（NFX202）
• /bin /sh攻擊時：重新審視“自動化所有事物”
• 事情怎麼對？從事件中了解更多
• 監視和追踪@Netflix流數據基礎結構
• Netflix量表的真實用戶性能監視 - 馬丁·斯皮爾（Martin Spier）
• AWS RE：Invent 2017- Nora Jones描述了我們為什麼需要更多混亂 - 混亂工程
• AWS RE：Invent 2017：在Netflix量表（DEV334）上表演混亂
• Netflix：多區域彈性和亞馬遜路線53
• 設計服務以提高彈性：Netflix課程
• 南灣SRE聚會 - Netflix Cloud Performance Team
• AWS RE：Invent 2017：Netflix工程師III（ARC209）的一天
• Netflix如何使用運動式流來監視應用程序並分析數十億流量
• 掌握混亂 - Netflix微服務指南
• AWS RE：Invent 2016：從韌性到無處不在 - #NetflixeveryWhere全球體系結構（ARC204）
• Srecon 2016- Netflix：190個國家和5個核心SRES
• 從系統管理員到Netflix SRE
• Netflix的應用彈性工程和運營
• Netflix注射故障
• LISA13- Netflix如何擁抱未能提高彈性和最大化可用性
• Netflix速度的事件管理

podcast

• 瑞安廚房（Ryan Kitchens）從Netflix，SRE的角色和社會技術系統中學習

工具

• 派遣

新遺物

博客文章

• 定義現代軟件角色：新遺物的SRES
• 每個人都需要了解有關網站可靠性工程（SRE）的10件事
• 網站可靠性工程師使用哪些工具？
• 新遺物SRE的生活中的一天
• 非常成功的站點可靠性工程師的7種習慣
• 採用SRE的做法
• 使用現代可觀察性建立數據驅動的文化

nubank

博客文章

• 工程運營卓越，持續改進的案例
• 我們如何處理技術事件
• 我們如何在nubank進行旋轉
• 我們如何有效，可靠地擴展數據平台
• 為什麼我們殺死了我們的端到端測試套件
• 機器學習模型的自動再培訓：技巧和經驗教訓

Openai

博客文章

• 3月20日CHATGPT中斷：這就是發生的事情
• Openai SRE和縮放縮放很容易。
• 將kubernetes縮放到2500個節點
• 將kubernetes縮放到7,500個節點
• 在OpenAI上擴展AI基礎設施

貝寶

博客文章

• 觸發：事件＃1234（事件過程需要修復）
• 在服務網格中實現可觀察性
• 大規模的PostgreSQL：數據庫架構更改而沒有停機時間
• 在PayPal上縮放GraphQl

影片

• Srecon對話是亞洲/太平洋與Karthikeyan Selvaraj和Rajesh Ramachandran，Paypal
• SRE然後對SRE NOW：Paypal的反射與直覺本能之間的平衡行為
• 通過分佈式日誌處理檢測服務降解和大規模失敗
• 輕鬆地操作Elasticsearch
• 通過安全控制確保站點可靠性

野餐

博客文章

• 千分尺和現代可觀察性堆棧
• 野餐的監視和可觀察性

Pinterest

博客文章

• 確保廣告的高可用性實時流媒體服務
• 使用S3讀取優化提高效率並降低運行時
• 在Pinterest上保證Kubernetes縮放Kubernetes
• 我們從iOS App Ooms事件中學到了什麼
• 我們如何設計連續集成系統的速度超過50％
• 簡化Web部署
• 升級Pinterest操作指標
• 使用新的開源工具在Pinterest上分佈式跟踪
• 自動縮放pinterest

影片

• 建立可行的代碼所有權
• Pinterest的可觀察性工具的演變
• 自動化服務所有者的OS/平台升級

郵差

博客文章

• 了解您的Kubernetes群集如何使用Gremlin和Grafana響應故障

Prezi

博客文章

• 如何避免全局中斷 - 無縫遷移登山標籤
• 尋找速度 - 調試Elasticsearch績效
• 普羅米修斯（Prometheus）在Prezi：替換10年的反模式

紅帽

博客文章

• 從行動到SRE：OpenShift專用團隊的演變
• 5敏捷實踐每個SRE團隊都應採用
• 撰寫Kubernetes運營商的7種最佳實踐：SRE的觀點

防暴遊戲

博客文章

• Runeterra CI/CD管道的傳說
• 在不確定係統中工作的策略
• 改善開發人員的經驗
• 閥門的可伸縮性和負載測試
• 利用Golang進行遊戲開發和操作
• 與故障注入測試的控制混亂
• 沿著性能監測的兔子洞
• 分析：失踪毫秒的情況
• 分析：聯盟現實世界的表現
• 分析：優化
• 分析：測量和分析
• Riot在線服務：第一部分
• Riot在線服務：第二部分
• Riot在線運行：第三部分
• 暴動：第三部分：零件Deux
• Riot在線服務：第四部分
• Riot在線服務：V部分
• 防暴的安全性演變
• 為聯盟客戶更新運行自動測試管道
• 英雄聯盟的自動測試

Salesforce

博客文章

• 查看Kubernetes控制平面多租期
• 優化EKS網絡以進行規模
• kubernetes群集中的零停機節點補丁
• 如何，而不是為什麼：驗證後五個Whys的替代方案
• kubernetes的通用邊防器注射器
• 基於微服務的產品的監視策略實施
• 制定您實際使用的事件響應計劃的10個步驟
• 我們前往幾乎完美的日誌管道的旅程
• 優化網絡工作者的績效
• 花點時間重新關注

Schibsted媒體

博客文章

• 斯堪的納維亞半島前10個地點中的一些網站中的一些可靠性工程

Scribd

博客文章

• 從事件中學習：獲得SideKiq準備服務十億個工作
• 用於使用Scribd的Pagerduty的推薦
• 將尋呼機義務分配給開發人員

購物

博客文章

• 高流量活動的彈性計劃
• 規模能力計劃
• 使用DNS流量管理為Shopify的服務增加彈性
• 創建有效的遊戲日測試的四個步驟
• 將Chatops實施到我們的事件管理程序中
• Shopify的Statsd

影片

• 網絡監視器：確認可觀察性差距的故事
• 期望出乎意料：準備SRE團隊應對新的失敗
• 高級餐巾數學：從第一原理估算系統性能

天空博彩和遊戲

博客文章

• 這只是一個監視變化
• “可能發生的最糟糕的情況是什麼？”：我們如何處理現場事件的工作例子
• 從灰燼中升起
• 碰撞！砰!沃洛普！實踐使完美
• 左右表演

鬆弛

博客文章

• Slack的事件在2-22-22上
• 改變支出曲線的基礎設施可觀察性
• Slack的停電在2021年1月4日
• 在Slack的可怕，可怕，不好，非常糟糕的一天
• 部署在Slack
• 災難劇院：Slack的可接近混亂工程的過程

影片

• 邊緣鬆弛
• 什麼打破了我們的系統：黑天鵝的分類法

激流迴旋構建

博客文章

• 如何在新的遺物APM中實現服務級別目標
• DevOps的初學者指南：如何進入行業
• GitHub動作：超越CI/CD
• 為什麼所有測試自動化都不在管道上運行？
• 網站可靠性工程的許多形狀
• 如何使用AWS上的基本CI/CD管道來默認構建安全的Kubernetes群集
• 秘密管理體系結構：找到安全與復雜性之間的平衡
• 使用Keras＆TensorFlow檢測惡意要求
• 樂高巨石 - 整體微服務概念證明
• 使用Hashicorp Vault管理秘密
• 包裝春季啟動應用程序，用於在Kubernetes上部署
• 不變的基礎設施和雲中的連續交付

Soundcloud

博客文章

• 如何成功交出系統
• 建立健康的待命文化
• 警報像專業人士這樣的SLO
• 與金絲雀的移動部署
• 普羅米修斯已經成年 - 對開源項目的開發的反映
• Prometheus：在Soundcloud進行監控
• 我一年以來作為SRE學員學到的東西
• 放大鏡下的測試

Spotify

博客文章

• 馬特·克拉克（Matt Clarke）：高級後端基礎設施工程師
• 為開發人員設計更好的Kubernetes體驗
• TechBytes：行業對事件的錯過以及您可以做什麼
• GCP中的自動事件響應基礎架構

影片

• 跟踪，快速和慢：挖掘並改善網絡服務的性能

方形

博客文章

• 引擎蓋下：確保網站可靠性

影片

• 推動摩擦
• 當一切都已經著火時如何sre
• 案例研究：為新服務實施SLO
• 創建代碼審查文化

堆棧溢出

博客文章

• “這永遠不會發生。如果這樣做，請致電開發人員。”
• 基礎架構作為代碼：創建和配置基礎架構元素在幾秒鐘內
• 履行CI/CD的承諾
• 深入研究我們2019年5月的安全事件
• 來賓帖子 - 失敗而沒有跌倒
• 我們如何建立博客
• 堆棧溢出用Netlify釋放工程時間

影片

• 低環境DevOps：通過默認，文檔和紀律改善SRE團隊文化

Strava

博客文章

• 為數百萬用戶的縮放俱樂部排行榜基礎架構
• 在Strava的分佈式跟踪

條紋

博客文章

• 使用規範日誌線的快速靈活的可觀察性
• 快速構建，安全構建。選擇兩個。
• 介紹委員：DataDog的高性能和全球聚合

影片

• Stripe如何投資於技術基礎架構
• AWS計費機和優化云成本

目標

博客文章

• ɔhaosǝnginǝǝring @ target-第2部分
• ɔhaosǝnginǝǝring @ target-第1部分
• GOOLERT-您未來的開源，通知產品

Teads

博客文章

• 擴大您的值班團隊

Tinder

博客文章

• 終極負載測試
• 我們如何使用Elasticsearch插件提高性能：第1部分
• 我們如何使用Elasticsearch插件提高性能：第2部分
• Tinder的搬到Kubernetes

象徵

博客文章

• GO基準測試的好處
• 使用Toxiproxy模擬Golang的定制混亂
• tokopedia如何在搜索頁面中對數百萬產品進行排名

Trivago

博客文章

• 如何被指標愚弄

Twilio

博客文章

• Twilio SRE GAMEDAY模板

嘰嘰喳喳

博客文章

• 在Twitter上登錄：已更新
• 刪除在您的微服務體系結構中分佈的數據
• 確定性孔徑：分佈式的負載平衡算法
• MetricsDB：用於在Twitter上存儲指標的時間表數據庫
• Twitter背後的基礎架構：比例尺
• Twitter背後的基礎架構：效率和優化

優步

博客文章

• 創立Uber SRE
• Uber多區Kafka的災難恢復
• Uber移動網絡基礎架構中的工程故障轉移處理
• 使用Uber優化Jaeger，M3和XYS的可觀察性

影片

• 兩個旋轉的故事：建立一個人道且有效的呼叫
• 大規模生產測試
• Uber的Rick Boone在Uber'的SRE歷史

Udemy

博客文章

• Udemy的無罪事件評論
• Udemy如何建立工程

升級

博客文章

• 網絡表演和相關故事 - ustgrad.com
• Web分析初學者指南
• iOS連續部署與Bitbucket，Jenkins和Fastlane在Upgrad

VGW

博客文章

• SRE事件響應遊戲

影片

• 通過遊戲玩法升級事件響應

Wikimedia基金會

影片

• 測試生產百科全書
• 當您鍵入en.wikipedia.org時會發生什麼？

Wix

博客文章

• 我們如何通過發展基礎架構來改善網站性能
• Wix收件箱旅程：3種方法的3種方法零停機時間數據庫遷移
• 將Velo移至多個容器站點：為什麼，如何學習的方式和經驗教訓
• 在CI/CD混亂中訂購

喊叫

博客文章

• 過程：實施Yelp的故障轉移策略

影片

• Yelp-我希望我知道之前知道的

Zalando

博客文章

• 追踪SRE在Zalando的旅程 - 第一部分
• 追踪SRE在Zalando的旅程 - 第二部分
• 追踪SRE在Zalando的旅程 - 第三部分

Zerodha

博客文章

• Zerodha的Prometheus的基礎設施監視
• 在Zerodha登錄

Zomato

博客文章

• Huddle Diaries - DevOps和數據平台

Srecon Mix播放列表

影片

• Adobe-好，壞和醜陋：SRE的3次學習
• AMDOC -SRE在電信和媒體行業的SRE：遺產與雲本地應用之間橋接
• 亞馬遜 - 系統工程師的自白：從我20多年的失敗中學習
• 阿拉斯加航空公司 - 外部服務的容量預測
• BuzzFeed-學習優化
• BT-在企業中從頭開始建立SRE團隊的挑戰
• Cloudflare-支持操作工程：將開發人員產品擴展到數百萬
• Cloudlock-我作為獨奏SRE的生活
• 哈德遜河交易 - 當沒人認為這也打破時，請在通話中固定
• IBM-為什麼自動化一切都會增加您的辛勞
• Genesys-最小的SRE團隊
• Grafana Labs -SRE在第三年齡
• 肯納安全 - 構建可擴展監控系統
• LightStep-使用文檔，遙測和使事情變得更好的機會建立服務
• 消息鳥 - MySQL自動化災難的屍檢
• Netlify-建立遠程一線隊的特權和陷阱
• 反應型 - 零至SRE
• Salesforce-陌生的社會技術系統中的事件響應：一名事件指揮官的挑戰在Covid-19時代支持組織間異常反應
• Sprax-從一無所有：在較小組織中實施SRE的實用指導
• 《紐約時報》 - 影響力而不是權威：《紐約時報》如何為大規模活動做準備
• Twitter-僱用大型SRE
• 美國數字服務 - 黑匣子中學到的經驗教訓，監視25,000個終點並證明SRE團隊的價值
• 團結技術 - 對SRE合理
• Udemy-當您沒有SRE時如何做SRE
• Vanguard-多云有混亂的機會
• WeWork-從學習中學習：三個事件的解剖結構
• Zendesk-延遲和可用性錯誤預算按大規模完成

---

資源

圖書

• 新的！通往SRE的企業路線圖
• 構建安全可靠的系統|閱讀由Google託管的免費在線版本
• 站點可靠性工程|閱讀由Google託管的免費在線版本
• 網站可靠性工作簿來自Google |閱讀由Google託管的免費在線版本
• 培訓網站可靠性工程師|閱讀由Google託管的免費在線版本
• 97個SRE應該知道的事情| nginx的免費副本
• 現場可靠性工程中的SLO採用和使用
• 實踐可靠性工程
• 實施服務水平目標
• 混亂工程
• 尋求SRE
• 安全混亂工程
• 混亂工程可觀察性
• 數據庫可靠性工程
• 什麼是SRE？
• 數據庫可靠性工程：什麼，為什麼以及如何？
• 可觀察性工程
• 混亂工程：通過受控中斷的站點可靠性
• SRE中的事件指標|閱讀由Google託管的免費在線版本
• 工程可靠的移動應用程序
• 監視SRE金色信號
• 網站可靠性工程：SRE成功的哲學，習慣和工具|便攜式版本
• 每位雲工程師都應該知道的97件事
• 現實世界中的SRE
• 動手站點可靠性工程

事件

• Srecon過去的事件
• Chaosconf
• Sloconf
  • Sloconf 2021播放列表
• CDCON
  • CDCON 2021播放列表
  • CDCON 2020播放列表
• conf42
  • Conf42 2022首映

其他資源

很棒的列表

• 很棒的SRE
• 很棒的網站可靠性工程工具
• 很棒的混亂工程
• 很棒的監視
• 很棒的可觀察性
• 很棒的MLOP
• ml-ops.org

來自各種組織的SRE資源

• Google SRE頁面
• Google SRE教室
• Google Cloud SRE頁面
• Microsoft SRE頁面
• LinkedIn的SRE學校
• 條紋增量雜誌第16條關於可靠性
• AWS可觀察性食譜
• 很棒的sysadmin

事件和郵政事故

• Verica公開事件數據庫
• 驗屍模板
• 事件審查和驗屍最佳實踐

新聞通訊

• SRE周刊
• 混亂工程通訊
• DevOps每週通訊

學分

• 受到Abhijeet Vaikar的Howthytest的啟發
• 組織清單是從我的其他回購很棒的工程中轉介的
• vectorjuice創建的橫幅圖像卡通矢量-www.freepik.com

其他方式...存儲庫

• 霍伊泰斯特
• Howtheydevops
• 霍西鷹

貢獻者

貢獻

歡迎捐款！首先閱讀貢獻指南。

隨著時間的流逝，觀星者

執照

根據法律的可能，Gundecha放棄了所有版權以及這項工作的相關或鄰近權利。

---

如果您決定在任何地方使用它，請在X上信貸@upgundecha。另外，如果您喜歡我的工作，請在Github上查看我的其他項目。