O Que É Site Reliability Engineering (SRE)?
Site reliability engineering (SRE) trata a operação como um problema de software: em vez de acompanhar a escala com mais gente, você a automatiza e a governa com metas de confiabilidade mensuráveis.
O SRE começou no Google como uma forma de operar grandes serviços de forma confiável sem exércitos de operadores. A ideia central é que confiabilidade é uma funcionalidade para a qual você faz engenharia, mede e pondera contra velocidade, em vez de algo que você espera que aconteça. As equipes de SRE constroem o ferramental e a cultura que tornam esse trade-off explícito.
De onde veio o SRE
SRE foi cunhado no Google para descrever equipes de engenheiros que operam sistemas de produção escrevendo software em vez de executar toil manual. A premissa é que o trabalho operacional escala mal quando feito à mão, então as mesmas pessoas que constroem a automação também carregam o pager e sentem as consequências de sistemas não confiáveis.
Confiabilidade como meta de engenharia
Em vez de buscar uptime perfeito, o SRE define metas de confiabilidade explícitas e faz engenharia em direção a elas. Isso torna a confiabilidade uma propriedade mensurável do sistema em vez de uma aspiração. As metas se tornam entradas para o planejamento: se a confiabilidade está confortavelmente acima da meta, a equipe pode entregar mais rápido; se está abaixo, ela desacelera e reforça.
SLOs, SLIs e error budgets
O SRE é construído sobre service level indicators (SLIs) que medem o comportamento, service level objectives (SLOs) que definem metas, e error budgets que quantificam a falha aceitável. Juntos, eles transformam discussões sobre "está confiável o suficiente" em decisões orientadas por dados com as quais todos podem concordar.
Eliminando o toil
Toil é trabalho operacional manual e repetitivo que escala com o tamanho do serviço e não produz valor duradouro. O SRE limita explicitamente a fração de tempo gasta em toil para que os engenheiros recuperem horas para automação. Reduzir o toil é uma vitória tanto de produtividade quanto de confiabilidade, porque processos automatizados são mais consistentes que os humanos.
Cultura sem culpa
O SRE combina suas práticas técnicas com uma abordagem sem culpa para a falha. Incidentes são tratados como oportunidades de melhorar o sistema, não de atribuir culpa. Os postmortems focam nas condições que permitiram uma falha, o que incentiva relatos honestos e correções duradouras.
Como o SRE se relaciona com DevOps
DevOps é um movimento cultural amplo sobre colaboração entre desenvolvimento e operação. O SRE é uma forma concreta e prescritiva de implementar essas ideias, completa com práticas específicas como SLOs e error budgets. Você pode pensar no SRE como uma implementação particular dos princípios de DevOps.
Principais conclusões
- O SRE aplica a disciplina de engenharia de software à operação.
- A confiabilidade é tratada como uma meta mensurável e planejada, não como uma aspiração.
- SLOs, error budgets, limites de toil e postmortems sem culpa são suas práticas características.