Kỹ thuật quản lý độ tin cậy hệ thống (SRE) là gì?

Độ tin cậy hệ thống mô tả tính ổn định và chất lượng dịch vụ do ứng dụng cung cấp sau khi được cung cấp cho người dùng cuối. Đôi khi, quá trình duy trì phần mềm ảnh hưởng tới độ tin cậy của phần mềm nếu những vấn đề kỹ thuật không được phát hiện. Ví dụ: khi các nhà phát triển thực hiện thay đổi mới, họ có thể vô tình tác động tới ứng dụng hiện tại và khiến ứng dụng đó gặp sự cố trong một số trường hợp sử dụng nhất định.

Sau đây là một số lợi ích của biện pháp thực hành kỹ thuật quản lý độ tin cậy hệ thống (SRE).

Cải thiện khả năng cộng tác

SRE cải thiện quan hệ cộng tác giữa đội ngũ phát triển và vận hành. Các nhà phát triển thường phải đưa ra các thay đổi nhanh chóng cho một ứng dụng để phát hành những tính năng mới hoặc sửa lỗi nghiêm trọng. Mặt khác, đội ngũ vận hành phải đảm bảo phân phối dịch vụ liền mạch. Do đó, đội ngũ vận hành sử dụng các biện pháp thực hành SRE để giám sát chặt chẽ mọi cập nhật và kịp thời phản ứng với bất kỳ vấn đề nào phát sinh do thay đổi.

Nâng tầm trải nghiệm của khách hàng

Các tổ chức sử dụng mô hình SRE để đảm bảo lỗi phần mềm không tác động tới trải nghiệm của khách hàng. Ví dụ: đội ngũ phần mềm sử dụng các công cụ SRE để tự động hóa vòng đời phát triển phần mềm. Việc này giúp giảm lỗi, tức là đội ngũ có thể ưu tiên phát triển tính năng mới hơn là sửa lỗi.

Cải thiện kế hoạch vận hành

 Đội ngũ SRE chấp nhận khả năng thực tế là phần mềm có thể bị lỗi. Do đó, đội ngũ lên kế hoạch ứng phó với sự cố sao cho thích hợp để giảm thiểu tác động của thời gian ngừng hoạt động tới doanh nghiệp và người dùng cuối. Họ cũng có thể ước tính sát hơn chi phí của thời gian ngừng hoạt động và nắm bắt tác động của những sự cố như vậy tới hoạt động kinh doanh. 

Khả năng quan sát là quá trình chuẩn bị giúp đội ngũ phần mềm sẵn sàng trước những tình huống bất ngờ khi phần mềm bắt đầu được đưa đến tay người dùng cuối. Các đội ngũ kỹ thuật độ tin cậy của trang web (SRE) sử dụng công cụ để phát hiện những hành vi bất thường trong phần mềm và quan trọng hơn là thu thập thông tin, qua đó giúp các nhà phát triển nắm bắt nguyên nhân của vấn đề. Khả năng quan sát liên quan đến việc thu thập những thông tin sau bằng công cụ SRE. 

Chỉ số 

Chỉ số là giá trị định lượng được, phản ánh hiệu năng của ứng dụng hoặc tình trạng của hệ thống. Đội ngũ SRE sử dụng chỉ số để xác định phần mềm có tiêu thụ tài nguyên quá mức hay có hành vi bất thường không.

Bản ghi

Phần mềm SRE tạo ra các thông tin chi tiết, được gắn nhãn thời gian gọi là bản ghi nhằm phản hồi lại các sự kiện cụ thể. Các kỹ sư phần mềm sử dụng bản ghi để nắm bắt chuỗi sự kiện dẫn tới một vấn đề cụ thể. 

Vết 

Vết là quan sát đường dẫn mã của một hàm cụ thể trong hệ thống phân tán. Ví dụ: việc thanh toán giỏ hàng có thể liên quan tới:

• Khớp giá với cơ sở dữ liệu
• Xác thực với cổng thanh toán
• Gửi đơn hàng cho nhà cung cấp

Vết bao gồm ID, tên và thời gian. Vết giúp các nhà phát triển phần mềm phát hiện vấn đề về độ trễ và cải thiện hiệu năng phần mềm. 

Đội ngũ Kỹ thuật quản lý độ tin cậy hệ thống (SRE) đo lường chất lượng phân phối dịch vụ và độ tin cậy bằng cách sử dụng những chỉ số sau. 

Mục tiêu mức dịch vụ

Mục tiêu mức dịch vụ (SLO) là những mục tiêu cụ thể và định lượng được mà bạn tin là phần mềm có thể đạt được với chi phí hợp lý so với các chỉ số khác, chẳng hạn như sau: 

• Thời gian hoạt động, hay thời gian mà hệ thống hoạt động
• Thông lượng hệ thống
• Đầu ra hệ thống
• Tốc độ tải xuống, hay tốc độ tải của ứng dụng

SLO cam kết phân phối thông qua phần mềm cho khách hàng. Ví dụ: bạn đặt thời gian hoạt động SLO 99,95% cho ứng dụng giao đồ ăn của công ty.

Chỉ báo mức dịch vụ

Chỉ báo mức dịch vụ (SLI) là những phép đo lường thực tế các chỉ số mà SLO xác định. Trong các tình huống thực tế, bạn có thể nhận được giá trị khớp hoặc khác với SLO. Ví dụ: ứng dụng của bạn đang hoạt động và thời gian chạy là 99,92%, mức này thấp hơn so với SLO đã cam kết. 

Thỏa thuận mức dịch vụ

Thỏa thuận mức dịch vụ (SLA) là tài liệu pháp lý nêu rõ điều gì sẽ xảy ra nếu không đáp ứng một hoặc nhiều SLO. Ví dụ: SLA nêu rõ đội ngũ kỹ thuật sẽ giải quyết vấn đề của khách hàng trong vòng 24 giờ sau khi tiếp nhận báo cáo. Nếu đội ngũ của bạn không thể giải quyết vấn đề trong thời hạn đã chỉ định, bạn có thể phải thực hiện nghĩa vụ hoàn tiền cho khách hàng.

Ngân sách lỗi

Ngân sách lỗi là khả năng chịu lỗi không tuân thủ SLO. Ví dụ: thời gian hoạt động 99,95% trong SLO nghĩa là thời gian ngừng hoạt động được phép là 0,05%. Nếu thời gian phần mềm ngừng hoạt động vượt quá ngân sách lỗi, đội ngũ phần mềm sẽ dành hết mọi tài nguyên và tâm trí để ổn định ứng dụng.

Kỹ sư quản lý độ tin cậy hệ thống là chuyên gia CNTT. Họ sử dụng công cụ tự động hóa để giám sát và quan sát độ tin cậy của phần mềm trong môi trường sản xuất. Họ cũng có kinh nghiệm trong việc khám phá vấn đề trong phần mềm và viết mã để khắc phục những vấn đề đó. Họ thường là cựu quản trị viên hệ thống hoặc kỹ sư vận hành có kỹ năng viết mã tốt. Sau đây là một số trách nhiệm về độ tin cậy hệ thống.

Vận hành

Kỹ sư quản lý độ tin cậy hệ thống dành tới một nửa thời gian của mình cho hoạt động vận hành. Việc này bao gồm một số tác vụ, chẳng hạn như: 

• Phản ứng với sự cố khẩn cấp
• Quản lý thay đổi
• Quản lý cơ sở hạ tầng CNTT

Kỹ sư sử dụng công cụ SRE để tự động hóa một số tác vụ vận hành và tăng hiệu quả của đội ngũ.

Hỗ trợ hệ thống

Kỹ sư quản lý độ tin cậy hệ thống hợp tác chặt chẽ với đội ngũ phát triển để tạo ra nhiều tính năng mới, cũng như ổn định hệ thống sản xuất. Họ xây dựng một quy trình SRE cho toàn bộ đội ngũ phần mềm và luôn sẵn sàng hỗ trợ truyền đạt vấn đề lên cấp trên. Quan trọng hơn, đội ngũ quản lý độ tin cậy hệ thống cung cấp các quy trình được ghi lại cho bộ phận hỗ trợ khách hàng, qua đó giúp họ giải quyết khiếu nại một cách hiệu quả. 

Cải tiến quy trình

Kỹ sư quản lý độ tin cậy hệ thống cải thiện vòng đời phát triển phần mềm bằng cách tiến hành đánh giá sau sự cố. Đội ngũ SRE ghi chép tất cả vấn đề về phần mềm và giải pháp tương ứng trong một cơ sở kiến thức chung. Việc này giúp đội ngũ phần mềm phản ứng hiệu quả với những vấn đề tương tự trong tương lai. 

 

Các dịch vụ Quản lý và quản trị trên AWS cung cấp công cụ cần thiết để đội ngũ phần mềm xây dựng, điều chỉnh quy mô và triển khai ứng dụng phân tán mà không ảnh hưởng đến độ tin cậy hệ thống. Đội ngũ kỹ thuật quản lý độ tin cậy hệ thống (SRE) sử dụng nhiều dịch vụ Quản lý và quản trị khác nhau trên AWS để giám sát và quản trị tài nguyên điện toán tại chỗ và trên AWS:

• Danh mục dịch vụ AWS cho phép đội ngũ SRE lập danh mục, quản lý và nhanh chóng triển khai dịch vụ CNTT
• Trình quản lý hệ thống AWS cung cấp trung tâm quản lý tập trung để kỹ sư quản lý độ tin cậy hệ thống thu thập thông tin vận hành chuyên sâu về tài nguyên điện toán của phần mềm
• AWS Proton là công cụ quản lý tự động hóa để triển khai ứng dụng phi máy chủ và nằm trong bộ chứa

Bắt đầu với kỹ thuật quản lý độ tin cậy hệ thống trên AWS bằng cách tạo tài khoản AWS ngay hôm nay.