文章的翻译是专门为课程的学生准备的 ，从今天开始！
您是否曾将新服务发布到生产环境中？ 或者您可能参与支持此类服务？ 如果是，是什么激励了你？ 什么对生产有利，什么不利？ 如何培训新团队成员发布或维护现有服务。
大多数公司在工业运营实践方面最终都采用了“狂野西部”的方法。 每个团队通过反复试验来决定自己的工具和最佳实践。 但这往往不仅影响项目的成功，也影响工程师。
反复试验创造了一种相互指责和推卸责任的环境。 有了这种行为，从错误中吸取教训并不再重蹈覆辙变得越来越困难。
成功的组织：
- 认识到生产指南的必要性，
- 研究最佳实践，
- 在开发新系统或组件时开始讨论生产准备问题，
- 确保遵守生产准备规则。
生产准备包括“审查”过程。 审查可以采用清单或一组问题的形式。 审核可以手动、自动或同时进行。 您可以制作可适应特定需求的清单模板，而不是静态的需求列表。 这样，工程师就可以在需要时获得继承知识和足够的灵活性的方法。
何时检查服务是否已准备好投入生产？
不仅在发布之前进行生产准备情况检查，而且在将其转移给另一个运营团队或新员工时也很有用。
检查时间：
- 您正在将一项新服务发布到生产环境中。
- 您将生产服务的操作转移给另一个团队，例如SRE。
- 您将生产服务的操作转移给新员工。
- 组织技术支持。
生产准备清单
前一段时间，举个例子，我 测试生产准备情况的清单。 尽管此列表源自 Google Cloud 客户，但它在 Google Cloud 之外也很有用且适用。
设计与开发
- 开发一个可重复的构建过程，不需要访问外部服务，也不依赖于外部系统的故障。
- 在设计和开发期间，为您的服务定义和设置 SLO。
- 记录对您所依赖的外部服务的可用性的期望。
- 通过消除对单个全局资源的依赖来避免单点故障。 复制资源或在资源不可用时使用后备（例如，硬编码值）。
配置管理
- 静态、小型和非秘密配置可以通过命令行参数传递。 对于其他一切，请使用配置存储服务。
- 动态配置必须具有回退设置，以防配置服务不可用。
- 开发环境配置不应与生产配置相关。 否则，这可能会导致从开发环境访问到生产服务，从而可能导致隐私问题和数据泄露。
- 记录可以动态配置的内容，并描述配置交付系统不可用时的后备行为。
发布管理
- 详细记录发布过程。 描述版本如何影响 SLO（例如，由于缓存未命中而导致延迟暂时增加）。
- 记录金丝雀版本。
- 制定金丝雀发布审查计划，如果可能的话，制定自动回滚机制。
- 确保回滚可以使用与部署相同的流程。
可观察性
- 确保收集 SLO 所需的指标集。
- 确保您可以区分客户端数据和服务器数据。 这对于查找故障原因很重要。
- 设置警报以减少劳动力成本。 例如，删除日常操作引起的警报。
- 如果您使用 Stackdriver，请在仪表板中包含 GCP 平台指标。 设置 GCP 依赖项警报。
- 始终传播传入的痕迹。 即使您不参与跟踪，这也将允许较低级别的服务调试生产中的问题。
保护和安全
- 确保所有外部连接均已加密。
- 确保您的生产项目具有正确的 IAM 设置。
- 使用网络隔离虚拟机实例组。
- 使用 VPN 安全地连接到远程网络。
- 记录并监控用户对数据的访问。 确保所有用户对数据的访问都经过审核和记录。
- 确保调试端点受到 ACL 的限制。
- 清理用户输入。 配置用户输入的有效负载大小限制。
- 确保您的服务可以有选择地阻止单个用户的传入流量。 这将阻止违规行为而不影响其他用户。
- 避免启动大量内部操作的外部端点。
容量规划
- 记录您的服务如何扩展。 例如：用户数量、传入有效负载的大小、传入消息的数量。
- 记录您的服务的资源需求。 例如：专用虚拟机实例的数量、Spanner 实例的数量、GPU 或 TPU 等专用硬件。
- 文档资源限制：资源类型、区域等。
- 记录创建新资源的配额限制。 例如，如果您使用 API 创建新实例，则限制 GCE API 请求的数量。
- 考虑运行负载测试来分析性能下降情况。
就这样。 我们在课室见！
来源： habr.com