SREvsToil

SRE

SRE 是 Google 提出的运维方法论：用软件工程的思维和工具来保障系统可靠性。SRE 团队写代码来自动化运维任务，用 SLO/SLI 量化可靠性目标，用 Error Budget 平衡可靠性和迭代速度。

Toil

Toil 是 Google SRE 体系中的核心概念——指那些重复性的、手动的、没有持久价值的运维工作。SRE 的核心目标之一就是将 Toil 控制在工作时间的 50% 以下。

SRE

• Google 提出，用软件工程方法做运维
• 核心概念：SLO、SLI、Error Budget
• SRE 不是运维的新名字，是一种工程文化

Toil

• Google SRE 的核心概念
• 特征：手动、重复、可自动化、无持久价值
• SRE 目标：Toil < 50% 工作时间

SRE

用软件工程方法和自动化工具保障大规模系统可靠性的工程实践体系

Toil

—

SRE

• 大规模系统的可靠性保障
• 运维自动化和 Toil 消除
• 服务级别目标的定义和管理

Toil

—

SRE

SRE 由 Google VP Ben Treynor 在 2003 年创立，核心理念是「用软件工程方法解决运维问题」。SRE 的关键实践包括：SLO（服务级别目标）定义可靠性标准、SLI（服务级别指标）量化实际表现、Error Budget（错误预算）在可靠性和迭代速度之间取得平衡。当 Error Budget 充足时加速发布，耗尽时冻结变更专注稳定性。SRE 文化强调自动化一切可自动化的工作，将 Toil（重复性手工操作）降到最低。

Toil

Toil 在 Google SRE 体系中有严格定义：手动的、重复的、可自动化的、战术性的（而非战略性的）、没有持久价值的工作。典型的 Toil 包括：手动重启服务、手动扩容、手动处理告警、手动执行部署。SRE 的核心使命之一就是通过自动化消除 Toil，将工程师的时间释放出来做更有价值的工作。Google 要求 SRE 团队将 Toil 控制在 50% 以下，剩余时间用于工程项目。