Ingeniería de confiabilidad de sitios

La ingeniería de confiabilidad de sitios ( SRE , por sus siglas en inglés) es una disciplina dentro del campo de la ingeniería de software y el soporte de infraestructura de TI que monitorea y mejora la disponibilidad y el rendimiento de los sistemas de software implementados y los servicios de software de gran tamaño (que deben ofrecer tiempos de respuesta confiables ante eventos como implementaciones de software nuevas, fallas de hardware y ataques de ciberseguridad). ^{[ 1 ]} Generalmente se enfoca en la automatización y una metodología de infraestructura como código . SRE utiliza elementos de ingeniería de software, infraestructura de TI, desarrollo web y operaciones ^{[ 2 ]} para contribuir a la confiabilidad. Es similar a DevOps , ya que ambos tienen como objetivo mejorar la confiabilidad y la disponibilidad de los sistemas de software implementados.

La ingeniería de confiabilidad de sitios (SRE) se originó en Google con Benjamin Treynor Sloss, ^{[ 3 ] [ 4 ]} quien fundó el equipo SRE en 2003. ^{[ 5 ]} El concepto se expandió dentro de la industria del desarrollo de software , lo que llevó a varias empresas a emplear ingenieros de confiabilidad de sitios . ^{[ 6 ]} Para marzo de 2016, Google tenía más de 1000 ingenieros de confiabilidad de sitios en su personal. ^{[ 7 ]} Los equipos SRE dedicados son comunes en las empresas de desarrollo web más grandes . ^{[ 8 ]} En las empresas medianas y pequeñas, los equipos DevOps a veces también realizan SRE. ^{[ 6 ]} Las organizaciones que han adoptado el concepto incluyen Airbnb , Dropbox , IBM , ^{[ 9 ]} LinkedIn , ^{[ 10 ]} Netflix , ^{[ 7 ]} y Wikimedia . ^{[ 11 ]}

Los ingenieros de confiabilidad de sitios (SRE) son responsables de una combinación de disponibilidad del sistema , latencia , rendimiento , eficiencia, gestión de cambios , monitoreo , respuesta a emergencias y planificación de capacidad . ^{[ 12 ]} Los SRE suelen tener experiencia en ingeniería de software , ingeniería de sistemas y/o administración de sistemas . ^{[ 13 ]} Los enfoques de los SRE incluyen la automatización , el diseño de sistemas y las mejoras a la resiliencia del sistema . ^{[ 13 ]}

SRE se considera una implementación específica de DevOps; ^{[ 14 ]} se centra específicamente en la construcción de sistemas confiables, mientras que DevOps abarca un ámbito de operaciones más amplio. ^{[ 15 ] [ 16 ] [ 17 ]} A pesar de tener enfoques diferentes, algunas empresas han renombrado sus equipos de operaciones como equipos SRE. ^{[ 6 ]}

Las definiciones comunes de las prácticas incluyen (pero no se limitan a): ^{[ 2 ] [ 18 ]}

• Automatización de tareas repetitivas para lograr una mayor rentabilidad.
• Definir objetivos de fiabilidad para evitar esfuerzos interminables.
• Diseño de sistemas con el objetivo de reducir los riesgos para la disponibilidad, la latencia y la eficiencia.
• La observabilidad es la capacidad de formular preguntas arbitrarias sobre un sistema sin necesidad de saber de antemano qué preguntar.

Las definiciones comunes de los principios incluyen (pero no se limitan a):

• Gestión del trabajo manual, el trabajo manual se refiere al trabajo operativo manual, repetitivo y automatizable. ^{[ 19 ]}
• Definir y medir los objetivos de fiabilidad: SLI , SLO y presupuestos de errores.
• Diseño de sistemas a gran escala no abstractos (NALSD ^{[ 20 ]} ) con énfasis en la confiabilidad.
• Diseño e implementación de la observabilidad.
• Definir, probar y ejecutar un proceso de gestión de incidentes .
• Planificación de capacidad .
• Gestión de cambios y versiones, incluyendo CI/CD .
• Ingeniería del caos .

Los equipos SRE colaboran con otros departamentos dentro de las organizaciones para guiar la implementación de los principios mencionados. A continuación se presenta una descripción general de las prácticas comunes: ^{[ 21 ]}

Desde 2014, la organización USENIX organiza la conferencia anual SREcon , que reúne a ingenieros de confiabilidad de sitios de diversas industrias. Esta conferencia es una plataforma para que los profesionales compartan conocimientos, exploren prácticas efectivas y debatan sobre las tendencias en ingeniería de confiabilidad de sitios. ^{[ 24 ]}

• Limoncelli, Tom; Chalup, Strata R.; Hogan, Christina J. (septiembre de 2014). La práctica de la administración de sistemas en la nube: prácticas DevOps y SRE para servicios web . Vol.  2. Upper Saddle River, NJ: Addison-Wesley . ISBN 978-0133478549OCLC 891786231​​ 
• Beyer, Betsy; Jones, Chris; Petoff, Jennifer; Murphy, Niall Richard, eds. (2016). Ingeniería de confiabilidad de sitios: cómo Google gestiona sus sistemas de producción . O'Reilly . ISBN 978-1491929124.
• Blank-Edelman, David N., ed. (2018). Buscando SRE: Conversaciones sobre la gestión de sistemas de producción a escala (1.ª  ed.). Sebastopol, CA: O'Reilly. ISBN 978-1491978863OCLC 1052565720​​ 
• Beyer, Betsy; Murphy, Niall; Kawahara, Kent; Rensin, David; Thorne, Stephen (2018). The Site Reliability Workbook: Practical Ways to Implement SRE . O'Reilly. ISBN 978-1492029502.
• Welch, Nat (2018). SRE en el mundo real: Guía de supervivencia para responder a una interrupción del sistema y maximizar el tiempo de actividad . Packt . ISBN 978-1788628884.
• Adkins, Heather; Beyer, Betsy; Blankinship, Paul; Lewandowski, Piotr; Oprea, Ana; Stubblefield, Adam (2020). Creación de sistemas seguros y fiables: Mejores prácticas para el diseño, la implementación y el mantenimiento de sistemas . O'Reilly. ISBN 978-1-4920-8312-2OCLC 1129470292​​ 
• Rosenthal, Casey; Jones, Nora (2020). Ingeniería del caos: resiliencia de sistemas en la práctica . O'Reilly. ISBN 978-1492043867.

• Lista de recursos excelentes sobre ingeniería de confiabilidad de sitios (SRE).
• Cómo se enumeran los recursos de SRE
• Boletín semanal de SRE dedicado a SRE
• Página de inicio de SRE en Google para obtener más información sobre SRE en Google.