¿Qué es la ingeniería de fiabilidad del sitio (SRE)?

La fiabilidad del sitio describe la estabilidad y la calidad del servicio que ofrece una aplicación después de ponerse a disposición de los usuarios finales. El mantenimiento del software a veces afecta a la fiabilidad del software si no se detectan problemas técnicos. Por ejemplo, cuando los desarrolladores realizan cambios nuevos, pueden afectar inadvertidamente a la aplicación existente y provocar que se bloquee en ciertos casos de uso.

Los siguientes son algunos de los beneficios de las prácticas de ingeniería de fiabilidad del sitio (SRE).

Colaboración mejorada

La SRE mejora la colaboración entre los equipos de desarrollo y operaciones. Los desarrolladores a menudo tienen que hacer cambios rápidos en una aplicación para lanzar nuevas funciones o corregir errores críticos. Por otro lado, el equipo de operaciones debe garantizar una prestación de servicios sin problemas. Por lo tanto, el equipo de operaciones utiliza prácticas de SRE para monitorear de cerca cada actualización y responder rápidamente a cualquier problema que surja debido a los cambios.

Mejore la experiencia de clientes

Las organizaciones utilizan un modelo SRE para garantizar que los errores de software no afecten a la experiencia del cliente. Por ejemplo, los equipos de software utilizan herramientas SRE para automatizar el ciclo de vida del desarrollo de software. Esto reduce los errores, lo que significa que el equipo puede priorizar el desarrollo de nuevas funciones sobre la corrección de errores.

Planificación de operaciones mejorada

 Los equipos de SRE aceptan que existe una posibilidad realista de que el software falle. Por lo tanto, los equipos planifican la respuesta adecuada a los incidentes para minimizar el impacto del tiempo de inactividad en la empresa y los usuarios finales. También pueden estimar mejor el costo del tiempo de inactividad y comprender el impacto de dichos incidentes en las operaciones comerciales. 

La observabilidad es un proceso que prepara al equipo de software para las incertidumbres cuando el software se pone en marcha para los usuarios finales. Los equipos de ingeniería de fiabilidad del sitio (SRE) usan herramientas para detectar comportamientos anómalos en el software y, lo que es más importante, recopilan información que le sirve a los desarrolladores a comprender las causas del problema. La observabilidad implica recopilar la siguiente información con las herramientas de SRE. 

Métricas 

Las métricas son valores cuantificables que reflejan el rendimiento de una aplicación o el estado del sistema. Los equipos de SRE usan métricas para determinar si el software consume recursos excesivos o se comporta de manera anormal.

Registros

El software SRE genera información detallada y con marca temporal denominada registros en respuesta a eventos específicos. Los ingenieros de software usan registros para comprender la cadena de eventos que conducen a un problema en particular. 

Huellas 

Las huellas son observaciones de la ruta del código de una función específica en un sistema distribuido. Por ejemplo, proceder al pago de un carro de pedidos puede implicar lo siguiente:

• Contabilización del precio con la base de datos
• Autenticación con la puerta de enlace de pago
• Envío de los pedidos a los proveedores

Las huellas constan de un ID, un nombre y una hora. Ayudan a los desarrolladores de software a detectar problemas de latencia y mejorar el rendimiento del software. 

Los equipos de ingeniería de fiabilidad del sitio (SRE) miden la calidad de la prestación de servicios y la fiabilidad mediante las siguientes métricas. 

Objetivos de nivel de servicio

Los objetivos de nivel de servicio (SLO) son metas específicas y cuantificables que sabe que el software logrará a un costo razonable para otras métricas, como las siguientes: 

• Tiempo de actividad o el tiempo que un sistema está en funcionamiento
• Rendimiento del sistema
• Salida del sistema
• Tasa de descarga o la velocidad a la que se carga la aplicación

Un SLO promete la entrega al cliente a través del software. Por ejemplo, establece un SLO de tiempo de actividad del 99,95 % para la aplicación de entrega de alimentos de su empresa.

Indicadores de nivel de servicio

Los indicadores de nivel de servicio (SLI) son las medidas reales de la métrica que define un SLO. En situaciones reales, es posible que obtengas valore que coincidan con el SLO o difieran de este. Por ejemplo, su aplicación está en funcionamiento el 99,92 % del tiempo, lo que es inferior al SLO prometido. 

Acuerdos de nivel de servicio

Los acuerdos de nivel de servicio (SLA) son documentos legales que establecen lo que sucedería cuando no se cumplen uno o más SLO. Por ejemplo, el SLA establece que el equipo técnico resolverá el problema de su cliente dentro de las 24 horas posteriores a la recepción del informe. Si su equipo no pudo resolver el problema en el plazo especificado, es posible que tenga que reembolsar al cliente.

Presupuestos de errores

Los presupuestos de errores son la tolerancia de incumplimiento para el SLO. Por ejemplo, un tiempo de actividad del 99,95 % en el SLO significa que el tiempo de inactividad permitido es del 0,05 %. Si el tiempo de inactividad del software supera el presupuesto de errores, el equipo de software dedica todos los recursos y atención a estabilizar la aplicación.

Un ingeniero de fiabilidad del sitio es un experto en TI que utiliza herramientas de automatización para monitorear y observar la fiabilidad del software en el entorno de producción. También tienen experiencia en encontrar problemas en el software y escribir códigos para solucionarlos. Por lo general, son antiguos administradores de sistemas o ingenieros de operaciones con buenos conocimientos de codificación. Las siguientes son algunas de las responsabilidades de fiabilidad del sitio.

Operaciones

Los ingenieros de fiabilidad del sitio dedican hasta la mitad de su tiempo al trabajo de operaciones. Esto incluye varias tareas, como las siguientes: 

• Respuesta ante incidentes de emergencia
• Administración de cambios
• Administración de la infraestructura de TI

Los ingenieros utilizan las herramientas de SRE para automatizar varias tareas de operaciones y aumentar la eficiencia del equipo.

Soporte del sistema

Los ingenieros de fiabilidad del sitio trabajan en estrecha colaboración con el equipo de desarrollo para crear nuevas funciones y estabilizar los sistemas de producción. Crean un proceso de SRE para todo el equipo de software y están disponibles para dar soporte a los problemas de escalamiento. Y lo que es más importante, los equipos de fiabilidad del sitio proporcionan procedimientos documentados al servicio de atención al cliente para ayudarlos a tratar las quejas de manera efectiva. 

Mejora de procesos

Los ingenieros de fiabilidad del sitio mejoran el ciclo de vida del desarrollo de software al realizar revisiones posteriores a los incidentes. El equipo de SRE documenta todos los problemas de software y las soluciones respectivas en una base de conocimientos compartida. Esto le sirve al equipo de software a responder de manera eficiente a problemas similares en el futuro. 

 

Los servicios de administración y gobernanza de AWS brindan las herramientas necesarias para que el equipo de software cree, escale y despliegue aplicaciones distribuidas sin comprometer la fiabilidad del sistema. Los equipos de ingeniería de fiabilidad del sitio (SRE) utilizan varios servicios de administración y gobernanza de AWS para supervisar y gobernar los recursos de computación locales y de AWS:

• AWS Service Catalog permite a los equipos de SRE catalogar, administrar y desplegar de forma rápida los servicios de TI
• AWS Systems Manager proporciona un centro de administración centralizado para que los ingenieros de fiabilidad del sitio obtengan información operativa sobre los recursos de computación de software
• AWS Proton es una herramienta de administración automatizada para desplegar aplicaciones en contenedores y sin servidor

Comience con la ingeniería de fiabilidad de sitios en AWS, cree una cuenta de AWS hoy mismo.