Agentic Reliability Engineering

第五章
把代理式可靠性套用到核心工作流程(第二部導讀)

本章為最終書稿的第二部。請注意,GitHub 儲存庫將於稍後正式啟用。
若您願意實際參與本草稿的審閱與意見回饋,請與編輯聯繫:jleonard@oreilly.com

五個章節,每一章各取一個 SRE 熟悉的工作流程,透過代理式的視角重新呈現。每一章開頭,都會指向 DRAL 迴圈中的某一拍。

第一部談的是「極限」:為什麼人類步調的可靠性,無法擴展到系統如今所到達的規模;可觀測性必須先變成什麼樣子,才能作為自主決策的基質;當失敗被當成輸入而非例外時,韌性會如何改變;那個從失敗中學習的迴圈,如何被當責、而不是被野心所限縮。讀完那三章,有一項主張應該已經確立:代理式可靠性不是疊加在既有實務之上的東西,它只有在被刻意設計進系統裡時,才會運作。

第二部,正是這項設計變得可操作的地方。每一章都取一個讀者每週都在運行的熟悉可靠性工作流程,展示當第四章的架構被真正套用其上時,會改變什麼。第五章取事故應變,透過四個平面重新呈現它,讓待命工程師從「身處迴圈中」移動到「站在迴圈之上」。第六章取交付,展示同一套抓住「服務退化」的架構,如何同樣抓住「部署退化」。第七章取混沌工程,展示有界故障注入如何從一場季度儀式,變成一門持續性的紀律。第八章取事故發生之前的工作(容量規劃、漂移偵測、依賴變更追蹤),展示當這些訊號餵進一個能在失敗成形之前就據以行動的系統時,會是什麼樣子。這五個工作流程不是隨意挑選的,它們正是可靠性最明顯被贏得或被輸掉的地方,也是代理式系統必須在真實壓力下證明自己價值的地方。

一開始就值得點名的結構性特質是:每一章工作流程章節,都假設同一套架構。訊號是決策級的;推理產出帶有校準信心的候選行動;治理依照執行期政策進行評估;執行透過有版本控管的行動契約運行;這個迴圈透過結果回流訊號平面而閉合。五大旗艦 SLO(ARR、DQ-SLO、RL-SLO、AE-SLO、CE),量測系統是否依照設計運作。正是這一點,讓第二部成為一個連貫的整體,而不只是一趟走馬看花的巡覽。每一章,都是同一套架構在某個具體營運議題上的一次精煉。依序閱讀,這幾個工作流程會彼此增強;不按順序閱讀,每一章也依然站得住腳,因為它們的地基是同一個。

這裡也是本書反覆出現的模式開始變得可見的地方。第一部順帶點名了其中一些代理角色;第二部,則是它們透過在各章之間反覆參與同樣的場景,贏得自己一席之地的地方。只要爆炸半徑重要,拓撲代理就會出現;只要變更情境重要,發布代理就會出現;只要人類的問題是「誰受到影響、影響有多大」,商業影響代理就會出現;只要問題是「現在究竟正在發生什麼」,觀測代理就會出現。這些不是各自獨立的產品,而是這套架構裡的角色,每一個都擁有訊號平面或推理平面的一部分,每一個都產出其他代理能夠消費的結構化產物。第十四章會展開它們之間的協調模式;第二部,則是讀者第一次看見它們實際運作的地方。

第二部不是一趟廠商巡禮——沒有工具推薦,沒有平台比較,沒有針對特定堆疊的實作教學。這些工作流程被描述的層次,是實務工作者能套用到自己環境、而不需要重新發明結構性決策的程度。用來示範某個特定模式的工具,會被點名一次,但不會被展開。重點是這項工作的「形狀」,而不是承載它的平台選擇。運行在不同堆疊上的讀者,會發現同樣的模式依然適用,只需要 SRE 實務一直以來都具備的那種在地工程判斷。

第二部另一件不是的事,是「從零開始重建」的承諾。沒有任何一章工作流程假設讀者是從一片空白開始的。每一章都承認生產系統背負著遺留包袱、可觀測性是不完整的、擁有權有時並不清楚、成熟度在不同服務之間並不均勻。代理式可靠性,會在紀律已經存在的地方讓它複利累積,也會在缺口存在的地方把它放大。這幾章的寫法,是為了幫助實務工作者誠實地面對這個現實:工作在哪裡、依賴關係是什麼、什麼可以漸進式地建構、什麼必須在自主性變得安全之前先被確立下來。

讀完第二部之後,讀者應該能夠拿起一個自己已經在運行的熟悉可靠性工作流程,回答三個實務問題:以我目前的成熟度而言,代理式行為今天可以在哪裡創造價值? 要讓這個價值變得安全,必須具備哪些限制條件? 我的工程角色因此會如何改變,而當執行權移轉給系統時,什麼會變得更重要?答案會因團隊、因服務而異;但得出這些答案的框架不會變。

第二部在進入任何具體工作流程之前,先以談架構的第四章開場,原因是結構性的:後面接下來的每一章工作流程,都假設同一套四個平面、同一套人機協同控制迴路、同一套成熟度模型。如果不具備這套共享的形狀,就試圖把代理式可靠性套用到某個工作流程上,結果會是每個工作流程各自發明自己版本的原語,學習也會在各個工作流程之間破碎,而不是複利累積。架構那一章之所以那麼長,正是因為那個形狀,是它之後一切的承重結構。接著,第五章取事故應變——這是最能讓人切身理解的 SRE 工作流程——展示這套架構在真實壓力下運作起來是什麼樣子。從那裡開始,第二部才真正開始讓人感覺像是「這本書」。