SRE (Site Reliability Engineering)

SRE (ang. Site Reliability Engineering, inżynieria niezawodności systemów) to dyscyplina łącząca inżynierię oprogramowania z administracją systemami, której celem jest budowanie i utrzymywanie niezawodnych, skalowalnych usług. Koncepcję opracował Google, formułując zasadę: traktuj operacje tak, jak problem inżynierski — mierzalny, automatyzowalny i rozwiązywalny za pomocą kodu.

Na czym polega SRE

SRE zastępuje intuicyjne „utrzymanie serwerów" podejściem opartym na danych i jasnych celach. Kluczowe pojęcia to:

• SLI (Service Level Indicator) — mierzalny wskaźnik, np. odsetek udanych żądań lub czas odpowiedzi,
• SLO (Service Level Objective) — docelowa wartość wskaźnika, np. 99,9% dostępności,
• error budget — budżet błędów, czyli dopuszczalny margines niedostępności; pozwala racjonalnie wyważyć tempo wdrożeń i stabilność,
• toil — powtarzalna, ręczna praca operacyjna, którą SRE dąży zautomatyzować.

Fundamentem pracy jest observability — zbieranie metryk, logów i śladów, dzięki którym zespół szybko wykrywa i diagnozuje problemy, zanim odczują je użytkownicy.

Zastosowanie w praktyce

Podejście SRE stosują firmy prowadzące usługi online, dla których liczy się wysoka dostępność i przewidywalna wydajność — platformy SaaS, sklepy, systemy płatnicze i infrastruktura chmurowa. Inżynierowie SRE budują automatyzację wdrożeń, systemy alertów, procedury reagowania na incydenty i mechanizmy samoczynnego przywracania usług. W praktyce ich praca ściśle łączy się z DevOps oraz z planowaniem odtwarzania po awarii, opisywanym parametrami RTO i RPO — wszystko po to, by usługa działała stabilnie mimo rosnącego ruchu i nieuniknionych awarii.