SRE (Site Reliability Engineering) ist ein Ansatz, bei dem Softwareentwickler aktiv die Verantwortung für Systemstabilität und Skalierbarkeit übernehmen. Gast Andy Grunwald (Engineering Manager bei Cloudflare und Co-Host des "Engineering Kiosk") erklärt den Paradigmenwechsel: Statt wie klassische Ops-Teams primär reaktiv auf Ausfälle zu reagieren, gestalten SREs Systeme von Grund auf resilient.

Zentrale Elemente sind Service Level Objectives (SLOs), die festlegen, wie stabil ein Service sein muss, und Error Budgets, die akzeptable Ausfallzeiten definieren. Bei Problemen folgt SRE einem strukturierten Incident-Management-Prozess.

Der kulturelle Aspekt ist entscheidend: SRE verschiebt den Fokus von kurzfristiger Fehlerbehebung hin zu langfristiger Systemstabilität – etwa durch Automatisierung, Monitoring und gezielte Resilienztests (Chaos Engineering). Letztlich geht es darum, Betrieb und Entwicklung näher zusammenzubringen, ohne in klassische "Wir gegen die Ops"-Muster zu verfallen.

------

Korrekturen zur Folge

1. Beim Thema Incidents wird gesagt, dass die Metrik MTRR heißt. Sie heißt jedoch MTTR. Siehe https://de.wikipedia.org/wiki/Mean_Time_To_Recover
2. Bei der Story mit dem Flugzeug und den Löchern im Flügel sprechen wir vom "Confirmation Bias". Tatsächlich handelt es sich um das "Survivorship Bias". Siehe https://en.wikipedia.org/wiki/Survivorship_bias

------

Links zur Folge

https://andygrunwald.com/blog/my-all-time-high-articles/

The Phoenix Project https://www.amazon.de/Phoenix-Project-DevOps-Helping-Business/dp/0988262592

The Unicorn Project https://www.amazon.de/Unicorn-Project-Developers-Disruption-Thriving/dp/1942788762

Google SRE books: https://sre.google/books/

Exponential Backoff And Jitter https://aws.amazon.com/de/blogs/architecture/exponential-backoff-and-jitter/

SRE fundamentals: SLIs, SLAs and SLOs

https://cloud.google.com/blog/products/devops-sre/sre-fundamentals-slis-slas-and-slos?hl=en

Pagerduty Incident Response https://response.pagerduty.com/

Engineering Kiosk Podcasts: ⁠https://engineeringkiosk.dev/

Andy Grunwald LinkedIn https://www.linkedin.com/in/andy-grunwald-09aa265a/

------

Einfach Komplex ist ein Podcast von Heisenware. Alle Infos und Kontakte findest du im Linktree: ⁠⁠https://linktr.ee/heisenware⁠⁠

------

Andy, Burkhard & Gerrit sprechen heute über:

(00:00:00) Intro Andy

(00:03:00) Entstehung, Einordnung und Abgrenzung zu DevOps

(00:27:00) SRE in der Praxis

(00:42:00) Service Level Agreements und Verfügbarkeit

(00:54:00) Kultur, Ausfälle und Übungen für den Notfall

(01:08:00) SRE Summary

(01:12:00) Weitere Ressourcen und Kontakt Andy