SRE实践：服务可靠性案例课
搞定 SRE，为你的系统保驾护航
专栏交流群
欢迎加入课程交流群
你将获得
- 构建全面的服务可靠性保障体系
- 掌握 6 大 SRE 核心运维技能
- 深入解读 10+ 企业级故障案例
- 探索 AIOps 在服务保障中的实践
讲师介绍
拥有十余年 SRE 运维经验。 曾负责百度网盘、快手海外版服务稳定性工作，同时也是百度、快手两次央视春晚红包核心保障人员。十余年来经历过数百次故障处理和复盘，在监控、容量、预案、变更、数据可靠性、AIOps 等多个方向有自己独特的经历和见解。
课程介绍
在如今的数字化时代，服务的可靠性已成为企业竞争力的关键。无论是电商巨头还是初创公司，服务中断都可能带来经济与品牌信誉的双重损失。然而，确保服务的连续性和稳定性并非易事，需要我们提前预防潜在的风险，快速响应突发事件。
想要做到这一点不仅需要强大的技术支撑，更需要培养一种全面的可靠性思维。为此，我们特别设计了这门《SRE 实践：服务可靠性案例课》。这门课程可以帮助你：
- 快速识别和填补监控体系的漏洞；
- 构建完善的容量保障体系，让资源发挥最大效率；
- 做好应急预案，提高响应的速度；
- 强化可靠性保障体系基础设施建设；
- 养成可靠性保障思维；
- 借助 AIOps 工具，让可靠性工作更加的全面和智能；
- ……
从技术到业务，从个人意识到组织文化，全方位提升你对服务可靠性的理解和实践能力。
课程设计
基础篇
基础篇会系统地介绍可靠性保证最常见的六项技能：监控、容量、变更、预案、备份和恢复、文化和机制，了解这些能力可以解决哪些问题。此外还要培养自身的可靠性意识，不仅仅停留在使用工具和技术解决问题的阶段，而是从意识层开始改变。
应用篇
在应用篇，我们将深入分析具体的案例并探讨监控、容量、变更等技能在实践中的应用。特别是互联网公司那些影响非常大的故障，我们将通过分析这些案例看到背后的问题。同时你会了解到一些复杂场景下的应对方案，比如机房故障应该如何应对等等。
智能运维篇
这部分我们会介绍 AI 和可靠性结合能产生哪些火花，以及业界的优秀案例。比如通过异常检测，解决传统监控中难以发现的复杂问题，提高对系统异常的识别速度和准确性；利用 AI 进行时序数据分析和回归预测，可以更准确地预估系统负载，从而实现资源的优化分配和弹性扩容等。在故障的时候如何做更加智能的决策，给出合理的建议。
课程目录
适合人群
SRE 工程师、运维开发工程师，以及其他对服务可靠性的感兴趣的软件开发人员。