梁凤明-SRE在游戏中的指标设计与实践-脱敏版.pdf

1、SRE在游戏中的指标设计与实践姓 名 梁凤明腾讯IEG发行游戏SRE负责人2012年加入腾讯，参与开发多款蓝鲸SaaS运维工具和辅助运营工具，同时负责多款大型头部自研和代理业务的运营规划工作，先后在业务版本质量、用户体验等维度推动专项解决方案落地，主导腾讯游戏版本管理平台和游戏体验管理平台等产品的开发和产品设计，助力业务成功。个人擅长海量业务全生命周期的服务规划、云原生技术，目前专注于腾讯游戏的SRE体系建设腾讯游戏设计可观测指标的痛点如何通过SRE视角设计游戏可观测指标？如何让指标实践更进一步？总结与展望腾讯游戏设计可观测指标的痛点腾讯游戏研发和运营模式腾讯游戏业务主要分为纯自研和纯代理部分

2、合作研发和委托研发业务游戏开发厂商众多，开发语言多样化游戏类型众多，游戏架构差异大不同游戏间相互独立，业务场景上差异大指标监控系统繁杂，百家争鸣游戏业务在指标设计实践上的巨大挑战海量数据对平台数据处理能力和运维配置管理能力提出巨大的挑战环境迥异物理机、容器、云服务调用关系链复杂涉及多项中台组件接入调用，可用性未知，如何快速了解业务的状况和精准定位使用成本高昂，故障定位难涉及多个割裂的平台，不同的数据类型都有独立的平台多项组件数据信息孤岛，牵扯人员广泛，沟通效率低，定位效率低维护效率低游戏场景丰富，不同业务间构建游戏监控各异，标准不统一，运维经验高低，造成运维互备和维护成本高问题思考 采集的指标

3、太少，案发现场无法追溯 采集了非常多的指标看不过来 总是事故复盘后才发现缺少了监控策略 配置了很多监控策略，告警太多麻木了 定位的时候只有Metrics不够用 运维配置的监控指标，研发和运营认可吗？茫茫人海中，谁没有戴口罩？如何通过SRE视角设计游戏可观测指标？SRE视角下指标观测数据度量准则measure everythingIf you cant measure your product/component,dont build it运维应关注系统整体的稳定性和可靠性，设计并实现面向SLO服务等级的指标体系架构设计准则提倡左移SRE 可以将从开发到运营的可靠性原则嵌入到每个流程、应用和代码

4、更改中，以提高投入生产的软件的质量。SRE 应该在初始设计阶段影响架构决策，目标是尽早采取积极主动的措施，以确保从一开始就内置质量和可靠性运维可以通过云原生技术和微服务改造，协助开发进行架构设计和改造，那云原生业务的指标应该如何设计与实践？SRE视角SRE视角下指标观测 面向SLO服务等级的指标体系 面向云原生业务的指标体系SRE视角面向SLO服务等级的指标体系功能导向转变为服务导向噪音小噪音大运维更关注业务整体稳定性指标越是贴近用户的指标优先级越高从上往下梳理，寻找黄金指标并持续进行优化改进添加监控的最佳地址首先是用户与应用程序交互的点，尽可能贴近用户开始监控。-摘自监控运营实践原则与策略S

5、RE视角下，指标设计和实践模式问题参与角色输出简易方法有哪些用户？产品用户列表想为哪些用户提供服务？哪些是重点用户提供了哪些功能？产品功能列表所有的产品功能，哪些是核心功能功能的服务等级产品、运营 服务等级站在不同的用户考虑他们的原始诉求每个功能的SLO？产品、运营 功能对应的SLO基于VELAT方法Volume 容量/流量 Error 错误 Latency 延迟Availability 可用率 Tickets 故障单SLO对应的SLI有哪些？SRESLI列表基于黄金指标进行选择SLI指标如何进行统计？SRE统计方法及指标类型等不同的指标有不同的计算方法，首先计算要可靠才可行核心模块有哪些？S

6、RE功能模块进程模块从功能和进程模块两个维度出发核心依赖有哪些？SRE依赖列表从核心功能出发考虑当前架构 有哪些核心依赖。原则是核心依赖越少越好。做好指标监控不只是运维的事情，监控是一项技能，运维应该是教练游戏业务按品类划分不同游戏品类的功能侧重点Play to winPlay for fun重单局FPS(第一人称射击)MOBA(多人在线战术竞技)重养成SLG(策略类)MMORPG(角色扮演)/卡牌游戏关键监控SLI指标涵盖黄金指标指标含义对局网络延迟地域、运营商、平台、运营商 维度的延迟，以及不同延迟区间的占比。如200ms的占比对局退出分析对局退出原因分析重连率地域、网络类型维度的重连率掉