SRE (engenharia de confiabilidade de sites)
SRE é a prática de tratar a confiabilidade de um sistema como engenharia: meta mensurável de funcionamento, margem de falha aceitável e automação do trabalho operacional repetitivo. O objetivo é o sistema ficar de pé sem depender de heroísmo.
O ponto de partida é uma meta interna, chamada SLO: por exemplo, a tela de pedido responde rápido em quase todos os acessos do mês. Ela é medida do ponto de vista de quem usa, não do servidor. Se a meta é cumprida, o sistema está bom o suficiente, mesmo com algum erro pelo caminho.
Daí vem o orçamento de erro. A diferença entre a meta e a perfeição é a margem que a equipe pode gastar com mudança arriscada. Enquanto sobra margem, publica-se com mais liberdade; quando acaba, a prioridade passa a ser estabilidade. A discussão entre quem quer entregar e quem quer segurança ganha um critério objetivo.
A terceira peça é cortar trabalho manual repetitivo. Reiniciar serviço, limpar disco e rodar o mesmo script toda semana viram automação. O tempo liberado vai para resolver a causa do problema, não o sintoma.
O mal-entendido é achar que SRE é um cargo ou uma equipe que a empresa média precisa contratar. Para a maioria, o valor está em adotar as práticas: metas medidas, observabilidade que mostra o que o usuário sente e revisão de incidente sem caça a culpados.
Quando se aplica
- O sistema cai com frequência e cada queda é resolvida por uma pessoa específica, de madrugada.
- Há conflito constante entre publicar novidade e manter o sistema estável.
- O contrato com cliente tem nível de serviço e a empresa não mede se cumpre.
- A equipe gasta boa parte do tempo apagando o mesmo incêndio.
Quando não se aplica
- Sem monitoramento que meça a experiência do usuário. Sem medida, meta é chute.
- Buscando disponibilidade perfeita. Cada ponto a mais de confiabilidade custa caro e pode não valer para o negócio.
- Como rótulo para a mesma equipe de sempre, sem mudar o jeito de trabalhar.
Metas de confiabilidade medidas pelo lado do usuário, alertas úteis e automação do trabalho repetitivo.
Termos relacionados
Confiabilidade não é ausência de falha, é falha dentro do combinado.
O diagnóstico levanta o que já é medido, quanto o sistema cai hoje e qual meta faz sentido para o negócio.
Agendar diagnóstico