Googleの信頼性を支えるエンジニアリングチーム

Authors

Betsy Beyer, Chris Jones, Jennifer Petoff, Niall Richard Murphy

#Book #Reliability #Observability

SRE サイトリライアビリティエンジニアリング

O’Reilly Japan

SREについてGoogleエンジニアが書いた書籍

キーワード

• サービスの信頼性の階層

英語版は無料で公開されている

Google - Site Reliability Engineering

第Ⅰ部　イントロダクション

1章　イントロダクション

2章　SREの観点から見た Googleのプロダクション環境

第Ⅱ部　原則

• エラーバジェット

4章　サービスレベル目標

• SLO

5章　トイルの撲滅

6章　分散システムのモニタリング

• モニタリング
• 4大シグナル

7章　Googleにおける自動化の進化

8章　リリースエンジニアリング

• 継続的ビルド/継続的デプロイメント

9章　単純さ

第Ⅲ部　実践

10章　時系列データからの実践的なアラート

11章　オンコール対応

12章　効果的なトラブルシューティング

13章　緊急対応

14章　インシデント管理

15章　ポストモーテムの文化：失敗からの学び

16章　サービス障害の追跡

17章　信頼性のためのテスト

18章　SREにおけるソフトウェアエンジニアリング

19章　フロントエンドにおけるロードバランシング

20章　データセンターでのロードバランシング

21章　過負荷への対応

22章　カスケード障害への対応

• リトライ

23章　クリティカルな状態の管理 :信頼性のための分散合意

24章　cronによる分散定期スケジューリング

25章　データ処理のパイプライン #Data Processing

26章　データの完全性：What You Read Is What You Wrote

• レプリケーション

27章　大規模なプロダクトのローンチにおける信頼性

• 機能フラグ

第Ⅳ部　管理

28章　SREの成長を加速する方法：新人からオンコール担当、そしてその先へ

29章　割り込みへの対処

30章　SREの投入による運用過負荷からのリカバリ

31章　SREにおけるコミュニケーションとコラボレーション

32章　進化する SREのエンゲージメントモデル

第Ｖ部　まとめ

33章　他の業界からの教訓

34章　まとめ