摘要
- SRE Workflow
- Code define Config
- 拜占庭将军问题
Workflow
- SREcon: Performance Checklists for SREs 2016 | Brendan Gregg’s Blog
- OS 造成的长时间非典型 JVM GC 停顿：深度分析和解决|庄振运
Discuss
NASA:可以告知故障的机器
COMSoL综合系统健康管理（Integrated System Health Management）软件的第一个版本于2003年在NASA艾姆斯研究中心（Ames Research Center）被开发出来，以此来监视一个试验型固液混合火箭发动机试车台。
Application
Code define Config
Monitor
Chris Jones:分布式共识系统
Minghua Ye：App Engine
Minghua Ye
scalable system
automated service discovery
google protocol buffer
core lib c++
分布式共识系统
CAP：无人值守的一致的高可用系统是不存在的
CA系统：分区难题 脑裂 如何判断主从
CP系统＋A：接受分区，在分区的情况下保持一致，牺牲一定损失
Zookeeper
拜占庭将军问题
稳定状态需要 3N＋1（拜占庭式失败）或2N＋1（非拜占庭式失败）个实例。即多进程达到一致单点故障源
复制状态机（RSM），很久不动的冷备没有意义，风险更高。
应用：分布式cron系统
无状态微服务系统，先要有一个保障一致性（存储状态）的可靠服务。
扩展阅读：DevOps 漫谈系列
DevOps 实践的本质是文化
- 学习力－团队生命之根
- 带领团队翻译书籍
- Don’t make me think
- 凡是被很多人不断重复的好习惯，要将其自动化整合到工具
