文藝複興三傑之一的米開朗基羅，被稱為 " 天才建築師 "。其實他一生留下的建築并不多，僅僅有美第奇禮拜堂、卡比多廣場、聖彼得大教堂穹頂等寥寥幾座。但米開朗基羅卻憑借對建築層次與結構的精妙把握，影響了此後數百年的建築風格。很多人認為，米氏特别擅長在立體的空間與繁雜的結構中，尋求建築的最大确定性。得益于此，像聖彼得大教堂穹頂這樣原本被認為不可能的作品才最終問世——探尋确定性，也就此成為建築設計師的目标之一。
在今天，數字化和雲化正在容納一切。每天，不計其數的硬件連接雲端，軟件完成雲上開發、叠代。這讓雲端變成了一個空前複雜的賽博空間，同時也産生了海量的不确定性。但是，這種不确定性又是必須被治愈和解決的。根據 GIV 預測，至 2025 年，全球企業雲技術使用率将達到 100%。全面雲化的不可逆趨勢下，企業必須确保自身數字化、智能化過程中的安全、穩定與可靠。
（華為雲貴安數據中心）
誰來再為全球企業尋得雲時代的确定性呢？答案是運維團隊。
過去，我們普遍認為運維應該是消防員，哪裡着火撲滅哪裡；但在雲時代的浩瀚業務與海量數據面前，這種模式顯然杯水車薪。于是，SRE 應運而生，雲服務商和企業用戶開始追尋确定性的運維價值。運維人需要成為 " 雲上的建築師 "，去設計可靠的建築結構，去預知建築可能面臨的種種風險，去構建安全與穩定的結構閉環。
在這樣的背景下，華為雲 SRE 團隊，是國内成長最快、發展最好的 SRE 團隊之一。他們不僅肩負起了華為雲業務體系的運維确定性，同時還為行業帶來了充沛的溢出價值。
今天，我們走進華為雲 SRE，去了解一個運維人從消防員變成建築師的故事，一個如何成為 " 雲上的米開朗基羅 " 的故事。
圖紙之下：
不确定性疊加的雲紀元
SRE，即 Site Reliability Engineering，站點可用性工程師。這個概念起源于 2003 年，主要針對傳統 IT 運維中人工為主的操作模式，希望以整體設計、自動化工具取而代之。簡單來說，SRE 的核心就是用軟件而非人工，來解決運維與安全問題。
當時代的鐘擺悄悄回蕩，SRE 的價值愈發凸顯了出來。因為在不經然中，我們已經來到了一個不确定性疊加的雲紀元。
一個全雲化的業務與服務系統，究竟會面臨多少安全問題？可能誰也無法給出精準答案。網絡異常、軟件故障、流量洪峰、硬件老化、機房斷電，都可能帶來一次運維問題。甚至一次技術人員的崗位調換，都可能造成意想不到的考驗。
而伴随着雲原生的落地，雲上承載的軟件開發與業務上新更加頻繁。增加新的業務模塊，也将考驗現網的穩定性與可靠性。随着雲上軟件開發與業務叠代成為常态，運維效率會成為考驗運維團隊與運維能力的最大難題。
另一個雲時代的不确定性，來自雲計算網絡急速發展。随着現網規模的不斷壯大，雲服務體系連接的計算節點、用戶節點都在不斷增多，同時參加運維的人員規模也在不斷增加。這種網絡規模擴張，讓運維不确定性呈現出幾何級增長。傳統意義上 " 頭疼醫頭，腳疼醫腳 " 的運維模式，将難以抵禦網絡規模的海量沖擊。
這種情況下，就需要有一種工程性的方法，可以在承認這種不确定性的前提下，依舊能夠保障雲服務體系的穩定可靠。比如說，讓運維能力參與到前端設計中來；強化運行中的動态風險治理；建設高可用，可用容納故障與風險的業務架構——這些方法的統合，就是 SRE。
或許可以這樣理解，SRE 就像是在充滿不确定性的雲時代，畫上一張确定性的建築圖紙。它不是具體解決哪個運維安全問題，而是帶來宏觀的安全與可靠。
華為雲 SRE，就是看到了這種必然趨勢，同時積極進行了嘗試與探索。
建築師的眼與手：
先一步成長的華為雲 SRE
未來，雲計算将會像水、電一樣觸手可及，随取随得。這個結論可以推導出一個必然：雲計算體系，必須像電網、水網一樣安全可靠。如今，我們再也不會常備蠟燭，預防停電。這背後的努力，是電網進行了大量運維工作來保障高可用——雲計算也将如此。
在華為雲的眼中，這個結論清晰可見。于是華為雲自成立的那一天起，就成立了 SRE 團隊。SRE 負責維護華為雲的整體質量，看護整個雲計算網絡的安全與穩定運行。
（在新華社智庫《中國雲計算創新活力報告》中，華為雲斬獲安全可靠能力排名第一）
如今，華為雲 SRE 這位建築師，已經用雙手畫出了一張宏偉的 " 确定性 " 建築圖紙。在全球範圍内，支撐着華為雲在全球 170 多個國家和地區，超過 240 個雲服務、370 萬開發者和海量企業業務，以及百萬級别的節點實例。這樣龐大的業務藍圖，都需要 SRE 團隊統一參與開發與部署規範，确保上線運維安全。
在這個過程中，華為雲 SRE 的 " 看家法寶 "，就是構築了華為雲的高可用架構，讓雲服務在産品開發的前端就具備高可靠、高可用特性。整體而言，高可用結構在應對故障時可分為三個維度考量：首先是軟件具有确定性的失效率，确保不會頻繁發生故障，将軟件問題控制在一定範圍之内；其次是給出确定性的恢複時長，明确可以在怎樣的時間之内進行業務恢複；接下來是構築确定性的爆炸半徑，确保單點的故障擴散範圍有限，隻影響到很小的範圍，而不影響整體業務。
在這樣的架構下，最終華為雲 SRE 實現了将可靠性、可恢複性、影響範圍控制的特性全面融入，真正面向萬千企業提供安全、可靠、高質量的服務承諾。從實際結果來看，在近幾年華為雲業務高速發展的同時，其出現的故障概率與故障烈度顯著低于全球主流雲廠商。或許可以說，華為雲 SRE 的運維能力做到了與公司業務規模一同成長，甚至先一步成長。
米開朗基羅的 " 溢出 " 效應：
讓千萬企業從 SRE 中受益
我們知道，數字化技術會在發展到一定程度時，出現明顯的 " 溢出 " 效應。比如說數字化價值賦能，就從虛拟經濟溢出到實體經濟，帶來了 " 數實融合 " 的發展契機。
對于華為雲 SRE" 建築師 " 們而言，其也在雲上運維的探索上展現出了明顯的 " 溢出 " 效應。
華為雲 SRE 的基礎價值，就是通過确保華為雲服務與網絡的穩定，帶給客戶更好、更優質的雲體驗，尤其是在 Devops 的場景下，保障了華為雲用戶敏捷創新、快速叠代的開發模式。讓用戶不僅能夠上雲，還可以有質量地用雲、有保障地用好雲。
再向前走一步，華為雲 SRE 通過服務客戶與無數應用的經驗總結，提出了 " 确定性運維 " 的發展方向與方法論，繼而梳理出适用于雲上業務的 " 确定性運維 " 能力體系和成熟度模型，供千行百業的企業進行參考。
這一業界獨有 " 确定性運維 " 能力體系成熟度模型包含：第一級基本運維，即基礎運維的能力構建，以此确保業務基本生存；第二級标準化運維，其能夠将運維帶到更加規律、規範的發展階段，确保業務的穩定可靠；第三級 SRE 轉型，意味着運維團隊開始從 " 消防員 " 轉型為 " 建築師 "，開始勾勒整體的确定性運維藍圖；在第四級，企業獲得 SRE 帶來的初步确定性，而到第五級企業将獲得高度确定性。
在可見的未來，大部分企業都會上雲，每一家企業都需要開發、運營軟件的時代裡，确定性運維可以說是一種剛性需求。即使每家企業的業務訴求與業務種類不同，但對穩定可靠的追求其實是高度統一的。
面向這一趨勢，華為雲 SRE 的一系列自我成長，都可以變成賦能萬千企業的成熟價值。比如，通過智能運維工具提升組織的效率和可靠性；通過全質量管理的流程理念，形成組織人員管理的可控性；運維團隊變成設計師，參與前端标準設計，構築高可用架構。
這些由華為雲 SRE 綜合和探索出的技術與方法，或許是每一家企業的決策者、管理者，都應該看到的現實價值。
在全雲化紀元，每家企業都需要運維能力的提升，那或許每家企業也都可以成為 " 雲上的米開朗基羅 "。SRE 的核心文化，依舊需要各界攜手去探索和發揚。但就像運維所需的确定性那樣，SRE 探索對每家企業的未來價值來說，也是充滿确定性的。
