DevOps / SRE 是不是沒出事時就很閒？

「系統沒壞就沒事情吧？」

沒有 Incident 的日子，DevOps / SRE 仍有很多工作要做：Automation、Capacity Planning、Monitoring Improvement、Cost Optimization、Security、Disaster Recovery、Architecture、Performance、Deployment Improvement、Developer Platform、Documentation 和 Postmortem。

有些工作，平常不容易被注意到

自動備份、自動 Rollback、Health Check、Auto Scaling、Alerting、Deployment Automation，做好之後可能減少需要人工處理的狀況。旁人看到服務穩定運行，未必看得到背後做了哪些事。

這些都是 Reliability Engineering 的工作。Google SRE 對 toil 的定義，就是把那些與服務運行直接相關、重複、手動、可被自動化的工作視為應該逐步消除的負擔，並希望 SRE 把大量時間投入工程專案。

工程時間不能全被日常維運吃掉

SRE 不需要一整天坐著等 Pager。Google 的 SRE 模型明確限制 Operational Work 的比例，強調至少有一半時間應投入 Engineering Work。

沒有 Incident 時，正好可以處理那些會減少下次人工救火的工程工作。