Словарь SRE: с инженерного на человеческий¶

Термин (англ.)	Термин (рус.)	Человеческий перевод
SRE (Site Reliability Engineer)	Инженер по надежности	Следит, чтобы разработка и работа сервиса или продукта шла по правилам и никто не сделал себе больно.
SLO (Service Level Objective)	Целевой уровень обслуживания	План по надою молока. Ты не ждешь от буренки 100 литров в день, это тупо. Ты ставишь реалистичную цель: 20 литров. Если буренка дает 20 - ты доволен. SLO это та цифра, на которую вы договорились с бизнесом, чтобы считать, что сервис "работает хорошо".
SLI (Service Level Indicator)	Индикатор качества обслуживания	Счетчик надоя. Это не план, это фактическое значение. Та самая цифра, которую ты видишь на датчике доильного аппарата. Не то, что ты планировал, а то, что получилось реально.
SLA (Service Level Agreement)	Соглашение об уровне обслуживания	Официальное обещание с последствиями. Это SLO, за которое ты отвечаешь рублем перед клиентом, например: "Если буренка даст меньше 20 литров три дня подряд, я верну вам стоимость корма". SLA бывают только там, где есть юридический договор с прописанными в нем компенсациями.
Error Budget	Бюджет ошибок	Бюджет на шалости. Допустим, вы договорились, что сервис должен работать 99,9% времени (SLO). Оставшиеся 0,1% времени простоя это и есть ваш "бюджет". Пока лимит не исчерпан можно выпускать кривые и опасные фичи. Закончился? Чини ошибки.
Toil	Ручные действия	Перекладывание бумажек с места на место. Это работа, которую делают инженеры вручную, и она не приносит большой пользы. Например, каждый день вручную перезагружать сервер или отвечать на одни и те же вопросы "А почему у меня почта не работает?". Нормальные SRE это ненавидят и автоматизируют.
Reliability	Надежность	Старый дедушкин холодильник ЗиЛ. Включаешь - гудит. Выключаешь - гудит. Морозит всегда. Уже сорок лет. Вот это надежность. В отличие от новомодной штуковины с сенсорами, которая зависает и требует перезагрузки по 10 раз в неделю.
Availability	Доступность	Работает ли кофемашина прямо сейчас? Это просто бинарный показатель: можешь ли ты налить себе кофе в данный момент? Если можешь - кофемашина доступна. Если не можешь - то не можешь :)
Latency	Задержка	Время ожидания, пока тебе бариста отдаст твой кофе. Это не про то, сломана кофемашина или нет. Это про то, как долго ты стоишь в очереди, пока бариста наконец соизволит принять заказ и налить тебе эспрессо. Долгое ожидание (высокая задержка, большая очередь) бесит так же, как и поломка.
p^95 / p^99 latency	95-й / 99-й процентиль задержки	Сколько ждут самые нетерпеливые? Среднее время ожидания может быть 2 минуты. Но p^95 говорит о том, что 95% посетителей ждут не больше 5 минут, а 5% самых невезучих еще дольше. Это позволяет понять, насколько сильно хвост очереди портит жизнь реальным людям.
Postmortem	Разбор полетов	Разбор авиационного происшествия. После того, как самолет упал, собирается комиссия из специалистов и разбираются: почему это произошло, какие болтики и где открутились, что нужно сделать, чтобы это никогда не повторилось. Культура SRE требует, чтобы постмортемы были без обвинений.
MTTR (Mean Time To Recover)	Среднее время восстановления	Среднее время для нескольких случаев от момента "Все пропало!" до момента "фух, заработало!" Чем оно меньше, тем SRE круче.
MTBF (Mean Time Between Failures)	Среднее время между отказами	Сколько холодильник работает без поломок. Это про долгожительство. Если MTBF большой - техника (сервис) стабильная, ломается редко. Маленький - сыпется каждые пять минут, дешевле выкинуть и купить нормальную, чем постоянно чинить.
Capacity Planning	Планирование мощностей	Закупка продуктов на Новогоднее застолье. Ты знаешь, что обычно к вам приходит 10 гостей. Но на Новый год их будет 20. Чтобы оливье не кончился через час, нужно заранее закупить в 2 раза больше продуктов.
Scalability	Масштабируемость	Резиновые штаны :) Ты похудел и штаны висят. Поправился и еле натягиваешь. Хороший сервис умеет "растягиваться": когда приходит много клиентов, он подключает дополнительные мощности, а когда клиенты уходят то отключает, чтобы не тратить электричество зря.
Idempotency	Идемпотентность	Кнопка закрытия дверей в лифте. Можно нажать один раз. Можно нажать десять раз. Можно бить по ней кулаком минуту. Результат будет один и тот же и всегда один: двери закроются один раз. Ошибки не будет, лишних действий тоже. В IT это значит, что повторение операции не наносит вреда.
Feature Flag	Функциональный флаг, переключатель	Скатерть-самобранка с секретом. Вы ставите на стол новое блюдо (фичу), но оно под колпаком. Вы можете убрать колпак для всех сразу или только для некоторых (включить флаг). Если блюдо кому-то не понравилось (сломало прод), вы мгновенно накрываете его колпаком обратно, даже не унося со стола. Странная аналогия, но ничего не смог придумать лучше :)
Rollback	Откат	Ctrl+Z. Выпустили обновление, и всё сломалось. Не надо чинить код. Просто жмете Ctrl+Z (откатываетесь на старую версию), и сервис снова работает, пока вы спокойно ищете баг.
Blameless Culture	Культура без обвинений	Правило детского сада: "Ябедничать плохо, а рассказать воспитателю, что Петя разлил краску, чтобы вместе убрать - хорошо". Когда что-то ломается, ищут не фамилию, кого наказать, а слабое место в системе. Главный вопрос не "кто это сделал?", а "как сделать так, чтобы это больше никогда не повторилось?".

Список будет расширяться :)