SRE 账本 · 栏目说明

稳定性工作最难的不是做事，而是证明这件事值得做。老板问为什么加机器、为什么招人、为什么这个季度不做新功能，如果没有一本账，回答就只能靠感觉。

这个栏目尝试把稳定性做成一本可以对的账。

账本的六个维度

1. 服务目标账：SLO、错误预算、达成率，以及预算消耗速度。
2. 故障损失账：每次故障影响的用户数、时长、直接损失和间接损失。
3. 容量成本账：资源利用率、单位请求成本、峰谷差和扩容预测。
4. 人力投入账：值班时长、工单量、重复劳动占比、自动化替代率。
5. 技术债账：待处理的架构缺陷、过期依赖、待补的演练和文档。
6. 变更效率账：发布频率、变更失败率、平均恢复时间。

怎么用这本账

• 月度对账：看趋势，不追求单点精确。
• 季度复盘：把投入和产出放在一起看，判断资源该往哪里加。
• 预算沟通：用故障损失和人力数据支撑扩容、招人和改造申请。
• 优先级排序：哪项技术债影响面最大、修复成本最低，先做哪个。

记账原则

• 指标少而稳定。口径先定下来，再开始采集，不要每月换算法。
• 能自动采集的不要人工填。人工维护的账本通常活不过三个月。
• 账本是为了决策，不是为了考核。一旦变成考核工具，数据就会失真。
• 承认不确定性。估算值标注清楚，比假装精确更有用。

适合谁看

SRE 负责人、运维管理者、技术负责人，以及需要向业务方解释稳定性投入的团队。