Site Reliability Engineering: How Google Runs Production Systems

اکثریت قریب به اتفاق طول عمر یک سیستم نرم افزاری صرف استفاده می شود، نه در طراحی یا پیاده سازی. بنابراین، چرا عقل مرسوم اصرار دارد که مهندسان نرم‌افزار عمدتاً بر طراحی و توسعه سیستم‌های محاسباتی در مقیاس بزرگ تمرکز کنند؟

در این مجموعه مقالات و مقالات، اعضای کلیدی تیم قابلیت اطمینان سایت Google توضیح می‌دهند که چگونه و چرا تعهد آنها به کل چرخه عمر این شرکت را قادر ساخته است تا با موفقیت برخی از بزرگترین سیستم های نرم افزاری در جهان را بسازد، استقرار، نظارت و نگهداری کند. شما اصول و شیوه‌هایی را یاد خواهید گرفت که مهندسین Google را قادر می‌سازد تا سیستم‌ها را مقیاس‌پذیرتر، قابل اعتمادتر و کارآمدتر کنند—درس‌هایی که مستقیماً در سازمان شما قابل اجرا هستند.

این کتاب به چهار بخش تقسیم شده است:

ul>

• مقدمه—یاد بگیرید مهندسی قابلیت اطمینان سایت چیست و چرا با شیوه های معمول صنعت فناوری اطلاعات تفاوت دارد
• اصول—بررسی الگوها، رفتارها و زمینه‌های مورد توجهی که بر کار یک مهندس قابلیت اطمینان سایت (SRE) تأثیر می‌گذارد
• روش‌ها—درک تئوری و عمل کار روزانه یک SRE: ساخت و ساز و راه‌اندازی سیستم‌های محاسباتی توزیع‌شده بزرگ
• مدیریت—بهترین شیوه‌های Google برای آموزش، ارتباطات و جلساتی را که سازمان شما می‌تواند استفاده کند، کاوش کنید

The overwhelming majority of a software system’s lifespan is spent in use, not in design or implementation. So, why does conventional wisdom insist that software engineers focus primarily on the design and development of large-scale computing systems?

In this collection of essays and articles, key members of Google’s Site Reliability Team explain how and why their commitment to the entire lifecycle has enabled the company to successfully build, deploy, monitor, and maintain some of the largest software systems in the world. You’ll learn the principles and practices that enable Google engineers to make systems more scalable, reliable, and efficient—lessons directly applicable to your organization.

This book is divided into four sections:

• Introduction—Learn what site reliability engineering is and why it differs from conventional IT industry practices
• Principles—Examine the patterns, behaviors, and areas of concern that influence the work of a site reliability engineer (SRE)
• Practices—Understand the theory and practice of an SRE’s day-to-day work: building and operating large distributed computing systems
• Management—Explore Google's best practices for training, communication, and meetings that your organization can use