SRE（Site Reliability Engineering，站点可靠性工程）不是把运维换个名字，而是用软件工程的方法解决运维问题，并把「可靠性」变成可以度量、可以交易、可以持续改进的工程目标。
本文按五个主题展开：SRE 的边界、SLI/SLO/SLA 与错误预算、Toil 治理、事故响应与 On-call、无指责复盘与故障档案库。
混沌工程与故障演练
混沌工程不是“随机搞破坏”，而是用受控实验验证系统在真实故障下是否还能守住 SLO。本文按 Principles of Chaos、Google SRE、Chaos Mesh、ChaosBlade、LitmusChaos 的官方资料，讲清实验设计、故障类型、工具选型、生产安全、Game Day、自动化和组织治理。
最后更新：2026-10-22
Gitlab服务搭建笔记
GitLab 是利用 Ruby On Rails 一个开源的版本管理系统，实现一个自托管的 Git 项目仓库，可通过 Web 界面进行访问公开的或者私人项目。它拥有与 GitHub 类似的功能，能够浏览源代码，管理缺陷和注释。