วิศวกรรมความน่าเชื่อถือของระบบ (System Reliability Engineering หรือ SRE) เป็นระเบียบวินัยที่มีโครงสร้างซึ่งริเริ่มโดย Google โดยใช้หลักการวิศวกรรมซอฟต์แวร์ในการจัดการระบบการผลิต ในขณะที่การบำรุงรักษาแบบเฉพาะกิจ (Ad Hoc Maintenance) เป็นแนวทางแก้ไขปัญหาแบบเชิงรับและไม่วางแผนล่วงหน้า การเลือกใช้ระหว่างสองแนวทางนี้จะกำหนดวิธีการที่ทีมจัดการเวลาการทำงานของระบบ เหตุการณ์ และสุขภาพการดำเนินงานในระยะยาว
ระเบียบวินัยทางวิศวกรรมเชิงรุกที่ประยุกต์ใช้หลักการพัฒนาซอฟต์แวร์กับการดำเนินงาน โดยมุ่งเน้นความน่าเชื่อถือที่วัดผลได้ผ่านระบบอัตโนมัติและเป้าหมายระดับการบริการที่กำหนดไว้
กลยุทธ์การบำรุงรักษาแบบไม่วางแผนและตอบสนองต่อปัญหา โดยจะทำการแก้ไขก็ต่อเมื่อระบบขัดข้องหรือเกิดปัญหาขึ้นเท่านั้น โดยไม่มีขั้นตอนหรือตารางเวลาที่กำหนดไว้ล่วงหน้า
| ฟีเจอร์ | วิศวกรรมความน่าเชื่อถือของระบบ | การบำรุงรักษาตามภารกิจ |
|---|---|---|
| ประเภทวิธีการ | มีความกระตือรือร้นและเป็นระบบ | เป็นการตอบสนองแบบฉับพลันและไม่ได้วางแผนไว้ล่วงหน้า |
| การวัดความน่าเชื่อถือ | SLOs, SLIs และงบประมาณข้อผิดพลาด | ไม่มีการติดตามตัวชี้วัดอย่างเป็นทางการ |
| การตอบสนองต่อเหตุการณ์ | มีเอกสารคู่มือการปฏิบัติงานและตารางเวรยามที่จัดทำไว้แล้ว | ไม่ว่าวิศวกรที่ว่างอยู่จะตัดสินใจอย่างไรก็ตาม |
| ระดับการทำงานอัตโนมัติ | สูง — ระบบอัตโนมัติเป็นหลักการสำคัญ | ระดับต่ำ — การแก้ไขด้วยตนเองเป็นวิธีหลัก |
| เอกสารประกอบ | การวิเคราะห์สาเหตุและแผนปฏิบัติการอย่างครอบคลุม | น้อยหรือไม่สอดคล้องกัน |
| เหมาะที่สุดสำหรับ | ระบบขนาดใหญ่ที่มีความสำคัญต่อภารกิจ | โครงการขนาดเล็กหรือผลิตภัณฑ์ในระยะเริ่มต้น |
| ต้นทุนในระยะยาว | ลงทุนเริ่มต้นสูงกว่า ต้นทุนระยะยาวต่ำกว่า | ค่าใช้จ่ายเริ่มต้นต่ำกว่า ค่าใช้จ่ายที่เพิ่มขึ้นจากเหตุไฟฟ้าดับ |
| โครงสร้างทีม | ทีม SRE หรือทีมแพลตฟอร์มเฉพาะ | ความรับผิดชอบร่วมกันโดยไม่เป็นเจ้าของ |
SRE (Service-Reliability Engineering) ดำเนินงานโดยเชื่อว่าความน่าเชื่อถือเป็นคุณสมบัติสำคัญ ไม่ใช่สิ่งที่คิดขึ้นมาทีหลัง SRE มองการดำเนินงานเหมือนปัญหาทางซอฟต์แวร์ และใช้หลักการทางวิศวกรรมที่เข้มงวดกับทุกอย่าง ตั้งแต่กระบวนการติดตั้งใช้งานไปจนถึงการรับมือกับเหตุการณ์ฉุกเฉิน ในทางตรงกันข้าม การบำรุงรักษาแบบเฉพาะกิจ มองการดำเนินงานเหมือนการดับเพลิง โดยมีเป้าหมายเพียงแค่กู้คืนบริการให้เร็วที่สุดเท่าที่จะเป็นไปได้ ช่องว่างทางปรัชญาระหว่างสองแนวทางนี้ใหญ่มาก แนวทางหนึ่งสร้างระบบที่สามารถล้มเหลวได้อย่างสง่างาม ในขณะที่อีกแนวทางหนึ่งต้องเร่งแก้ไขเมื่อเกิดความล้มเหลว
หนึ่งในคุณูปการที่สำคัญของ SRE คือการเน้นย้ำเรื่องการวัดความน่าเชื่อถือ ทีมต่างๆ กำหนดว่า "ดีพอ" หมายถึงอะไรผ่าน SLO และติดตามประสิทธิภาพโดยใช้ SLI โดยมีงบประมาณข้อผิดพลาดเป็นภาษาที่ใช้ร่วมกันระหว่างฝ่ายพัฒนาและฝ่ายปฏิบัติการ การบำรุงรักษาแบบเฉพาะกิจไม่มีกรอบการทำงานที่เทียบเท่า ซึ่งหมายความว่าไม่มีวิธีที่เป็นกลางที่จะรู้ว่าสิ่งต่างๆ กำลังดีขึ้นหรือแย่ลง หากไม่มีการวัดผล ทีมมักจะทำงานโดยอาศัยสัญชาตญาณ ซึ่งมักจะประเมินความเสี่ยงต่ำเกินไปจนกว่าจะเกิดเหตุการณ์ร้ายแรงขึ้นจึงจะเกิดความสนใจ
SRE มองว่างานที่ต้องทำซ้ำๆ ด้วยมือ หรือที่เรียกว่า 'งานหนัก' นั้นเป็นเหมือนภาษีที่ควรลดให้น้อยที่สุดด้วยระบบอัตโนมัติ หนังสือ SRE ฉบับดั้งเดิมของ Google แนะนำให้รักษางานหนักนี้ไว้ต่ำกว่า 50% ของเวลาทำงานของวิศวกร เพื่อให้เวลาที่เหลือสามารถนำไปใช้ในการปรับปรุงงานด้านวิศวกรรมที่มีความหมายได้ สภาพแวดล้อมการบำรุงรักษาแบบเฉพาะกิจมักเต็มไปด้วยงานหนัก เพราะทุกการแก้ไขต้องทำด้วยมือและทำเพียงครั้งเดียว เมื่อเวลาผ่านไป สิ่งนี้จะสร้างวงจรที่เลวร้าย ซึ่งวิศวกรใช้เวลามากเกินไปในการแก้ไขปัญหาเฉพาะหน้า จนไม่เคยสร้างระบบอัตโนมัติที่จะช่วยป้องกันปัญหาเหล่านั้นได้เลย
เมื่อเกิดปัญหาขึ้นในสภาพแวดล้อม SRE การตอบสนองจะเป็นไปตามกระบวนการที่กำหนดไว้: การแจ้งเตือนจะกระตุ้นการหมุนเวียนผู้รับผิดชอบในการดูแลระบบ คู่มือการใช้งานจะแนะนำผู้ตอบสนอง และการวิเคราะห์หลังเกิดเหตุโดยไม่กล่าวโทษจะบันทึกบทเรียนที่ได้รับ แนวทางที่เป็นระบบนี้หมายความว่าแต่ละเหตุการณ์จะทำให้ระบบแข็งแกร่งขึ้น ในการบำรุงรักษาแบบเฉพาะกิจ เหตุการณ์ต่างๆ จะถูกจัดการอย่างวุ่นวาย มักจะโดยใครก็ตามที่ว่างอยู่ และสาเหตุหลักๆ มักจะทำให้เกิดการหยุดชะงักซ้ำๆ องค์กรจึงไม่สามารถสะสมองค์ความรู้ได้เนื่องจากไม่มีกลไกที่สม่ำเสมอในการบันทึกความรู้นั้น
SRE (System-end-Relational Engineering) ต้องการการลงทุนล่วงหน้าอย่างมากในด้านเครื่องมือ การฝึกอบรม และการออกแบบกระบวนการ แต่สิ่งนี้จะคุ้มค่าเมื่อระบบขยายขนาด บริษัทที่ให้บริการที่เชื่อถือได้ในระดับเดียวกับ Google หรือ Netflix ไม่สามารถอยู่รอดได้ด้วยวิธีการแบบเฉพาะกิจ เพราะความซับซ้อนจะทำให้ทีมที่ตอบสนองต่อปัญหาแบบทันทีทันใดรับมือไม่ไหว อย่างไรก็ตาม สำหรับสตาร์ทอัพขนาดเล็กที่มีผู้ใช้เพียงไม่กี่คน การบำรุงรักษาแบบเฉพาะกิจอาจสมเหตุสมผลอย่างยิ่ง สิ่งสำคัญคือการตระหนักว่าเมื่อใดที่คุณเติบโตเกินกว่าวิธีการนั้นแล้ว ซึ่งมักเกิดขึ้นเมื่อความไว้วางใจของลูกค้าเริ่มลดลงเนื่องจากการหยุดชะงักซ้ำๆ
SRE ก็คือชื่อเรียกที่ดูหรูหรากว่าของคำว่า "ปฏิบัติการ" นั่นเอง
SRE แตกต่างจากฝ่ายปฏิบัติการแบบดั้งเดิมอย่างสิ้นเชิง โดยการนำวิศวกรรมซอฟต์แวร์มาประยุกต์ใช้กับปัญหาด้านการปฏิบัติงาน และมองความน่าเชื่อถือเป็นคุณลักษณะของผลิตภัณฑ์ ฝ่ายปฏิบัติการแบบดั้งเดิมมักมุ่งเน้นไปที่การดูแลรักษาระบบให้ทำงานได้อย่างต่อเนื่องด้วยตนเอง ในขณะที่วิศวกร SRE สร้างระบบอัตโนมัติที่ช่วยป้องกันความจำเป็นในการแทรกแซงด้วยตนเองตั้งแต่แรก
การบำรุงรักษาแบบเฉพาะกิจมีราคาถูกกว่า เพราะไม่มีค่าใช้จ่ายด้านกระบวนการ
แม้ว่าการบำรุงรักษาแบบเฉพาะกิจจะช่วยหลีกเลี่ยงค่าใช้จ่ายด้านกระบวนการในระยะเริ่มต้น แต่โดยทั่วไปแล้วจะมีค่าใช้จ่ายสูงขึ้นมากในระยะยาวเนื่องจากการหยุดทำงานซ้ำๆ การแก้ไขข้อผิดพลาดที่ยืดเยื้อ และต้นทุนที่เพิ่มขึ้นของหนี้ทางเทคนิค การศึกษาเกี่ยวกับการหยุดทำงานโดยไม่ได้วางแผนล่วงหน้ามักแสดงให้เห็นว่าต้นทุนสูงถึงหลายแสนดอลลาร์ต่อชั่วโมงสำหรับธุรกิจขนาดกลาง
คุณต้องมีขนาดใหญ่เท่า Google ถึงจะได้รับประโยชน์จาก SRE
หลักการของ SRE — SLOs, งบประมาณข้อผิดพลาด, ระบบอัตโนมัติ, การวิเคราะห์หลังเกิดเหตุโดยไม่กล่าวโทษใคร — สามารถนำไปปรับใช้ได้อย่างมีประสิทธิภาพ ทีมขนาดเล็กและขนาดกลางจำนวนมากนำแนวทางปฏิบัติเหล่านี้ไปใช้ในรูปแบบที่ปรับให้เหมาะสม และเห็นการปรับปรุงความน่าเชื่อถืออย่างมีนัยสำคัญโดยไม่จำเป็นต้องมีองค์กร SRE โดยเฉพาะ
SRE ช่วยขจัดปัญหาไฟดับทั้งหมด
SRE ไม่ได้สัญญาว่าจะไม่มีข้อผิดพลาดเลย — แต่ยอมรับว่าข้อผิดพลาดเป็นสิ่งที่หลีกเลี่ยงไม่ได้ และมุ่งเน้นที่การจัดการข้อผิดพลาดเหล่านั้นให้อยู่ในขอบเขตที่ยอมรับได้ซึ่งกำหนดโดยงบประมาณข้อผิดพลาด เป้าหมายคือการตรวจจับอย่างรวดเร็ว การกู้คืนอย่างฉับไว และการเรียนรู้จากแต่ละเหตุการณ์ ไม่ใช่ความสมบูรณ์แบบ
การบำรุงรักษาแบบเฉพาะกิจใช้ได้ผลดีหากคุณมีวิศวกรที่มีฝีมือ
แม้แต่วิศวกรที่เก่งกาจก็ไม่สามารถชดเชยกระบวนการ เอกสาร และระบบอัตโนมัติที่ขาดหายไปได้ ความพยายามอย่างสุดกำลังของแต่ละบุคคลไม่ใช่กลยุทธ์ความน่าเชื่อถือที่ยั่งยืน และมันจะก่อให้เกิดภาวะหมดไฟ ในขณะเดียวกันก็ทำให้องค์กรต้องพึ่งพาบุคคลบางคนมากกว่าระบบที่แข็งแกร่ง
วิศวกรรมความน่าเชื่อถือของระบบ (System Reliability Engineering: SRE) คือทางเลือกที่เหมาะสมสำหรับองค์กรใดๆ ที่ใช้งานระบบการผลิตซึ่งการหยุดทำงานส่งผลกระทบต่อธุรกิจอย่างแท้จริง โดยเฉพาะอย่างยิ่งเมื่อระบบมีความซับซ้อนมากขึ้น การบำรุงรักษาแบบเฉพาะกิจอาจใช้ได้ผลกับโครงการในระยะเริ่มต้นมาก หรือเครื่องมือภายในที่ไม่สำคัญ แต่จะกลายเป็นภาระอย่างรวดเร็ว องค์กรด้านวิศวกรรมที่เติบโตเต็มที่ส่วนใหญ่จะเปลี่ยนจากการปฏิบัติแบบเฉพาะกิจไปสู่กรอบการทำงานที่ได้รับแรงบันดาลใจจาก SRE ในที่สุด แม้ว่าจะไม่ได้นำแบบจำลองของ Google มาใช้ทั้งหมดก็ตาม
การเปรียบเทียบนี้พิจารณา Amazon Web Services และ Google Cloud โดยการวิเคราะห์ข้อเสนอบริการ รูปแบบการกำหนดราคา โครงสร้างพื้นฐานระดับโลก ประสิทธิภาพ ประสบการณ์ของนักพัฒนา และกรณีการใช้งานที่เหมาะสม เพื่อช่วยให้องค์กรเลือกแพลตฟอร์มคลาวด์ที่ตรงกับความต้องการทางเทคนิคและธุรกิจมากที่สุด
Kafka และ Flink รวมกันเป็นระบบนิเวศการประมวลผลสตรีมแบบกระจายสำหรับไปป์ไลน์ข้อมูลแบบเรียลไทม์ ในขณะที่การประมวลผลในหน่วยความจำช่วยเร่งการวิเคราะห์โดยการเก็บข้อมูลทั้งหมดไว้ใน RAM ซึ่งแต่ละอย่างตอบสนองความต้องการทางสถาปัตยกรรมที่แตกต่างกันโดยพื้นฐานในด้านความเร็ว ขนาด และความคงทน
Operational Intelligence มุ่งเน้นการติดตามผลอย่างต่อเนื่อง การวิเคราะห์เชิงคาดการณ์ และการเพิ่มประสิทธิภาพระบบเชิงรุก ขณะที่ Reactive Incident Response เน้นไปที่การตรวจจับและแก้ไขปัญหาหลังจากที่เกิดขึ้นแล้ว ทั้งสองแนวทางมีบทบาทที่แตกต่างกันแต่เสริมซึ่งกันและกันในการบริหารจัดการโครงสร้างพื้นฐานด้าน IT และคลาวด์สมัยใหม่
Service mesh ที่สร้างขึ้นสำหรับงานด้านแมชชีนเลิร์นนิงนั้นสามารถจัดการกับทราฟฟิกการประมวลผลที่มีปริมาณมากและเปลี่ยนแปลงได้ตลอดเวลา ด้วยการจัดการทราฟฟิกแบบละเอียด ในขณะที่ API gateway แบบดั้งเดิมจะเน้นไปที่การกำหนดเส้นทางการร้องขอ การตรวจสอบสิทธิ์ และการจำกัดอัตราการใช้งานสำหรับไมโครเซอร์วิสมาตรฐาน การเลือกใช้ระหว่างสองแบบนี้ขึ้นอยู่กับว่าสิ่งที่คุณให้ความสำคัญเป็นหลักคือการตรวจสอบและการกำหนดเวอร์ชันโมเดลเฉพาะสำหรับงานแมชชีนเลิร์นนิง หรือการจัดการ API ทั่วไป
กลยุทธ์การแคชในระบบแมชชีนเลิร์นนิงจะจัดเก็บผลลัพธ์ของโมเดลที่คำนวณไว้ล่วงหน้าหรือข้อมูลระดับกลางเพื่อเร่งความเร็วในการเรียกใช้ข้อมูลซ้ำๆ ในขณะที่การคำนวณตามความต้องการจะสร้างผลลัพธ์ใหม่ทุกครั้ง โดยแลกความเร็วกับความเรียบง่ายและลดภาระการจัดเก็บข้อมูลเพิ่มเติม
