- 博客(22)
- 收藏
- 关注
RSS订阅原创 技术带来的问题，得技术来解决
假期看得到的数字产业课程，看到如题的这么一句话，比较有共鸣，分享一下。文章里讲的是自动驾驶，自这个概念诞生那天起，我们就一直在讨论的一个“电车难题”：一列失控的电车，马上要撞上轨道上的5个人，但是你可以选择扳动道岔，让电车转到另一条铁轨上，那条铁轨上只有1个人，请问你扳还是不扳？在现代社会，我们更经常遇到的场景是：汽车失控，眼看就要撞上行人，如果紧急转向，车子可能冲进路边...
2022-05-01 22:18:00
1021
原创 比故障定位更重要的是：故障定界
前面发的Observability的文章，引起了不少的共鸣，在群里或私聊时很多朋友提到一个点：故障处理时，运维的逻辑是快速恢复，所以根因是什么不重要，但是不知道根因发生的位置在哪儿，怎么做应急处置呢？这是个非常好的问题，这里我们就要区分两个经常挂在嘴边，但是确很少有人去能理解透彻的概念：定界和定位。我们讲故障时可以不用定位，指的是在故障时，不用去定位故障原因是什么，但是不...
2022-04-26 22:18:00
1421
原创 故障定责的“责”是什么责？
上篇文章《故障没有根因，别再找了》提到了定责与根因挂钩，其中有一段：“如果我们还把根因跟定责定性挂钩，不用我说，大家也能想象到，无尽的撕逼扯皮和甩锅推诿就该开始了，好好的氛围就会变得阳奉阴违，多做多错最后就是不做不错。”没想到这段话得到了更多朋友的共鸣，转发和留言中都有人重点提到这个点。所以能明显感觉到，大家苦故障久矣，苦的不是根因，苦的是定责，是定责过程中的撕逼扯皮和推...
2022-04-20 22:22:31
281
原创 故障没有根因，别再找了
在《故障复盘的简洁框架-黄金三问》这篇文章里，我把故障原因分为了两类：触发原因和深层原因。这里我并没有提到根因或根本原因，理由就是我们原本所认为的根因可能往往不止一个，可能会有多个。这个怎么理解呢？我举个比较容易理解的例子：比如我们有一台服务器宕机了，上面跑的的MySQL服务也挂了，影响了上层业务访问，花了30分钟才解决，被定性为故障。那这个故障的根因是什么呢？有的人可能...
2022-04-13 22:54:23
173
原创 为什么说可观测性Observability对运维没用？
本篇文章是跟浙江移动信息技术部总经理，中国移动首席专家的王晓征总交流探讨后形成。首先，再复述下本文标题，Observabilty对运维没用，如果硬要说的精确点，exactly，对绝大多数的运维没用。为啥呢？Observability的三个环节是什么？Detect发现—Trouble Shoot定位—Root Cause找到根因而真正在出现问题的时候，对于运维也好，还是对于...
2022-04-08 07:28:00
783
1
原创 聊聊可观测性Observability
自打去年以来，可观测性Observability这个概念又非常的火，按照我的感受，在运维领域，这个概念是近两年即AIOps之后，热度最高的一个了。无论是国内还是海外的运维相关的公司，都给了自己一个新的定位，就是可观测性平台，或者叫做可观测云，相对应的产品也是层出不穷。对于我来讲，我看一个趋势，往往会从落地的角度，从实际情况来分析，反向去看，而不是单纯地看技术多么酷炫。所以...
2022-03-24 20:38:00
739
原创 聊个面试中最基本的原则问题
最近在推上看到一个工程师吐槽面试官的一段话：“感觉国内很多的面试官的心态很成问题，都是拿自己的知识上限来面试别人，比如最近在工作中刚解决了某个难题，或者这周刚学会了一个以前搞不懂的算法，就...
2021-10-29 12:07:00
81
原创 三分靠技术，七分靠管理
上周连续参加了3个会议，周二网络安全攻防演练总结大会，这个是现场参加的，周五公司的Go+发布会，还有周日GTLC全球技术领导力峰会杭州分站，这两个是线上听的。好久没参加各种大会，听了下不同...
2021-10-18 09:37:56
754
原创 How Google SRE and developers work together
最近看到一个关于SRE与Dev如何协作的PPT，而且还是新鲜出炉的，这里分享给大家。对里面几页我觉得比较有启发性的内容做一下注解，或者说分享下我的理解。（分享部分在每张截图上面）全部的PP...
2021-10-14 11:30:00
106
原创 两个线上变更的小故事
最近讨论生产环境的变更动作要标准化和流程化，并逐步收归平台的问题，遇到一个有意思的有意思或者可能比较常见的小挑战：脚本和命令行方式不是很灵活，遇到什么问题，随时可以命令行解决。暂时不说观点...
2021-06-16 08:06:16
78
原创 故障复盘的简洁框架-黄金三问
最近跟团队在做很多历史故障的复盘，看怎么才能够挖掘出更深层次的一些问题。做的第一件事情，就是整理复盘框架，这个框架之前我在我的极客时间课程中分享过，就是我提出的黄金三问（Three Gol...
2021-03-01 07:52:00
407
1
原创 从系统稳定性，转向客户稳定性
自打去年初进入到云计算这个行业，面对了更多更复杂、场景更多样化的稳定性问题，说人话就是，遇到了更多不同原因的故障。其实，这大半年来，有一个思维意识上的转变，就是从系统维度的稳定性保障，转向...
2021-02-16 12:19:20
208
原创 AIOps做根因定位靠不靠谱？
昨晚跟浙江移动晓征总畅谈很久，从狭义AIOps做根因分析引出，聊了AIOps的作用，跟SRE的关系，实践的总结，有很多共鸣，也碰撞出很多有意思的观点。结合晓征总整理的，和我记录的，形成一...
2020-11-25 20:44:05
1377
5
原创 SRE文化到底包含些什么内容？
看到一篇讲什么是SRE的文章，或者说你到底想要什么样SRE的文章，观点很不错，分享一下。其实下面这些知识点我在极客时间的专栏里都有很详细的讲解，可以关注公众号找到我的专栏链接。SRE i...
2020-07-28 09:26:43
268
原创 什么能力最重要？
最近见客户见得比较多，会发现在跟客户沟通或汇报一件事情时，这其中会有很多角色参与其中，比如销售、售前、产品、交付、架构师，甚至还有开发、售后和运维。我们会发现每个角色在其中的目的是不同的...
2020-07-26 12:37:00
112
原创 Smarter, Not Harder
分享几个最近的思考：1、关于沟通前几天从上海去深圳，一大早打车去浦东机场，一上车师傅就问我，你确认是去浦东机场，不是去虹桥吧，我说是的没错。估计师傅之前遇到过很多乘客搞不清楚虹桥和浦东两...
2020-07-25 08:59:24
305
原创 从微盟36小时故障，谈谈数据安全和备份这个事
早上被微盟运维人员删库的事件刷屏了，超过36小时，仍未完全恢复，我花了点时间从通告的信息中做了一些深入地分析解读，分享给大家。最主要目的还是想通过分析和建议，帮助大家如何能够避免这样灾难...
2020-02-25 13:50:37
1430
原创 两个有意思的类比
今天在群里闲聊当前疫情的情况，看到两个以技术思路做的类比，挺有意思的，不长，或许有些帮助。第一个，DDos和CC这次大量病例的爆发，其实就像是对医疗体系的DDos，外加CC。这种从防攻击...
2020-02-05 20:37:26
176
原创 2020新年的几天，记录一下，留个记忆的碎片
按原定正常的放假时间，今天应该是假期的最后一天，但是疫情原因，假期延长了3天，我们是2.3日开始远程办公，正常2.10日回到公司上班。最近几天其实各种信息量很大，有好的，有不好的，有值得...
2020-02-01 10:24:46
448
原创 几个感受
年前，因为新型肺炎越来越严重，公司提前两天放了假，原本定了年三十当天返程的高铁票，但是后来考虑到路程中接触的人群不可控，再加上事实情况是每天新增的病例持续上升，所以还是决定留在杭州，不去...
2020-01-25 17:53:47
139
原创 2019，收获，静静等待
我19年定目标的时候，并没定多大的目标，主要是害怕最后打脸，所以就定了要做几件事情，健身、英语和写字，现在看还是做到了，而且还超额了。不过，三件小事，虽然很小，但是因为坚持了一年，却给我...
2020-01-16 08:02:00
196
原创 问题定义概念-别被BuzzWord给带偏了
先说最近遇到的两个事情：第一个，最近几个群里都在讨论一个问题，中台是什么？DevOps是什么？看到大家很多交流和探讨，整体感觉就是对于这些概念和BuzzWord，每个人，每个行业，每家公...
2019-12-20 08:16:25
393
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人