今天，我们来简单聊聊关于SRE工程师的那些事

在正式开始之前，我先跟大家讲一下我的个人经历：今年春招找实习的时候，依稀记得那是一个日暖风和的中午，我坐在电脑前，而网线的另一端是和蔼可亲的面试官——是的，我正在进行一场某企业的技术面试，岗位则是SRE工程师

面试的前半段，我跟面试官相谈甚欢，不亦乐乎。直到面试官突然问了我这么一个问题：“你觉得运维工程师和SRE工程师有什么区别？或者说他们的工作性质有什么不一样的地方吗？”

这个问题直接把我问住了，运维工程师跟SRE工程师有什么区别？SRE工程师全名叫啥来着？顿时一个个问题涌上我的脑海，我只能尴尬的笑着并跟面试官说：“不好意思面试官，这个问题我没有过多的去了解”

面试结束后，果不其然的“挂掉了”

回到宿舍后，我对今天的面试过程做了一个总结复盘，我决心要弄清楚SRE工程师到底是什么，以及他跟运维工程师有什么区别，不然这都不懂的话我还应聘什么SRE工程师。

好，正文开始。

什么是SRE工程师？

SRE这个词诞生于谷歌公司，其全名叫网站可靠性工程师（Site Reliability Engineer ），它是软件工程师和系统管理员的结合。

在SRE诞生之前，谷歌认为“既然软件工程师职业主要专注于设计和构建软件系统，那么应该有另外一种职业来专注于整个软件系统的生命管理周期”。

SRE工程师都干些什么？

SRE工程师在最初的时候，主要的工作是负责维护谷歌网站的正常运转，所以我们看到SRE中的"S"最开始指代的就是谷歌的网站业务。

任何一个软件或者系统，我们认为其可靠性（Reliability）是相当重要的。因为绝大多数的大型软件或者系统，它们的生命周期绝大部分都处于“使用”阶段，而非“设计”或者“实现”阶段。一旦你这个软件或系统投入到生产环境并正式使用后，你就得想尽办法让它的用户体验更好，这样才能留住用户，给公司带来利润对吧。

所以说，SRE工程师的主要任务之一就是：负责软件和系统的架构设计，运维流程的不断优化，让这些大型软件以及系统运行得更加可靠，更加稳定，扩展性更好，更能有效地利用计算机资源。

世界上第一个SRE是谁？

在《SRE Google运维解密》一书中，作者跟我们谈到了SRE的起源——Margaret Hamilton，MIT教授。
他参与了阿波罗登月计划的软件开发工作，在阿波罗七号飞船研发的某天，MIT教授带着他的小女儿Lauren一起来到公司。小孩子嘛，对于新鲜事物都特别好奇，所以就在MIT教授忙着和组员们在计算机上进行飞行模拟测试的时候，他的女儿Lauren不小心按下了控制台上的DSKY键，这一按可不得了——整个模拟程序直接崩溃，导致火箭发射程序意外终止。

之后MIT教授发现，是因为当时Lauren意外触发了P01程序的执行，所以才导致了程序的崩溃（这个子程序是起飞前调试程序，执行时会删除现存的导航信息，如果在火箭飞行过程中执行这个程序，计算机将无法继续维持火箭航线，后果可是灾难性的）

MIT教授凭着自己的直觉，为项目组提交了一个软件改动，申请在飞行程序中增加一项特殊状态检查，以免飞行员在飞行过程中意外触发P01子程序的执行

但不幸的是，NASA管理层认为，这项错误发生的可能性太小，如果要修改的话成本太大，根本不值得。
无奈MIT教授只能在火箭飞行手册中写道：“请勿触发P01程序”

当时增加这段文字的时候，很多同事都觉得MIT教授在小题大做，因为他们都认为宇航员在经过如此长时间的专业训练，几乎不可能会发生这种错误

几天后，阿波罗8号飞船在执行一项任务时。宇航员Jim Lovell、William Anders和Frank Borman三人执行一个长达四天的飞行计划途中，Jim Lovell意外触发了P01程序，好巧不巧，当时正好是美国的圣诞节，大部分工程师都休假去了。

可想而知，当时NASA处于一片混乱状态，如此人命关天的时刻如果不能及时解决，三名宇航员恐怕就回不来了。

所幸当时MIT教授的飞行手册更新中恰恰提到了这种情形，并且提供了重新上传数据以及恢复执行的有效办法，在有效的时间内解决了问题，并拯救了宇航员的生命。

最后，我想说的是：没有人能够毫不出错地去做一件事，即使他是这个领域内最顶尖的人才。无论对一个软件系统运行原理掌握得多么彻底，也不能阻止人犯意外错误！

上文我们对SRE工程师有了一个基本的了解，别忘了还有一个问题：SRE工程师跟运维工程师有什么区别？

我们先看看某招聘网上企业分别对SRE工程师和运维工程师的技能要求，当然这只是一个大概的需求而且我只放了一张图片，具体还得看不同企业。大家可以自行去某招聘网站上了解。

SRE工程师

运维工程师

我们可以看到，两个职业在技能需求上其实没有太大的差别，都需要了解Linux操作系统，熟悉编程语言或者脚本语言。那么为什么还会有SRE工程师和运维工程师呢？以及他们直接有没有特别明显的区别呢？

区别？

传统的IT行业中，许多企业大多都是雇佣系统管理员来运维复杂的软件或者系统。

这些系统管理员的日常工作和研发工程师（软件工程师）相差甚远，通常属于两个部门：开发部（Dev）和运维部（Ops），这个团队模型也就是Dev/Ops分离模型。

于是，系统管理员也被称作运维工程师，他们主要负责将线程的软件组件部署在生产环境当中，并对外提供某种业务服务。

与运维工程师不同的是。SRE工程师不但负责传统运维工程师的工作，他们也负责软件工程师的一些工作——参与某些软件或系统的开发。

SRE团队相信通过开发软件系统来维护系统的正常运行，以此来代替传统运维工程师的人工操作，这样做大大节省了人力开销。

SRE团队中实现的是DevOps结合模型，他们主张用系统来维护系统，让SRE工程师有更多时间来负责软件系统的开发，而不是每天进行重复枯燥的运维工作。

最后，做个小总结：

• 随着IT行业的迅速发展，传统运维工程师已经不能满足企业的需求了，而SRE的诞生和DevOps理念刚好给企业提供了一个比较好的方案
• SRE更强调的是开发系统来运维系统，所以SRE的工作不仅要运维，还要对系统进行开发。这样做的好处就是避免了大量的人力消耗以及重复的人工运维操作
• 我们要重新造*，而不是重复造*