随着微博广告业务的迅速发展，相关的监控报警、自动化运维等基数设施也越来越重要。无论是代码的快速迭代，还是故障的迅速定位，我们都需要通过运维体系的建设去不断提高我们的效率，去优化我们的系统，而带给我们的就是系统可用性的提高以及服务质量的保证，从而避免广告收入的损失。

本次分享将为大家带来微博广告SRE体系的建设之路，以及在微博广告复杂的业务场景下，我们在监控报警、自动化、服务治理等方面遇到的困难以及解决方案。

主要内容：

1. 运维在广告体系中的价值
- 运维体系发展阶段
- SRE在微博广告中的价值

2. 海量指标监控平台Oops实践
- 自动化采集
- 配置化清洗
- 实时指标仓库
- 指标可视化

3. 复杂业务场景下的SRE建设之路
- 服务治理
- 有效的报警
- 全链路Trace系统
- 自动化运维平台Kunkka揭秘

听众收益

1. 如何在我们的业务中体现SRE的价值；
2. 复杂业务场景下如何提高系统可用性，减少收入损失；
2. 海量监控指标下，如何基于开源组件快速构建一个监控平台。

eBay作为电商先驱，2017年总商品交易额达884亿美元, 付款系统的可靠性和高可用至关重要，eBay目前支持信用卡借记卡支付和第三方的Paypal支付，将来还会支持Adyen，这些外部服务的可靠性也直接或间接影响eBay用户的付款体验，另外硬件基础设施，操作系统，JVM以及应用本身架构和代码质量等都会影响整个付款系统的可靠性。

本演讲从客户的角度出发，使用FCI(失败的用户交互数)这个指标来衡量系统的可靠性，围绕如何FCI的定义，如何收集FCI数据，如何可视化FCI，以及如何减少FCI，最终达到减少损失等话题来探讨和展开。

主要内容：

• eBay付款系统总体介绍
• FCI的定义
• 为什么用FCI来衡量系统的可靠性和稳定性
  • 考虑客户体验
  • 与电商收入和损失直接关联
  • 有明确责任人，方便问责
  • 有明确修复目标，可执行性强
  • 可实时监控修复效果
• FCI的技术实现
  • FCI的收集 - Kafka
  • FCI的处理和存储 - Elastic Search
  • FCI的可视化和仪表盘 - Grafana
• FCI修复实例分析
  • 超时的合理设置
  • 同步重试与异步重试
• FCI修复带来的收益

听众受益：

1. 学习电商付款系统的总体架构；
2. 学习如何运用FCI准确衡量付款系统的可靠性；
3. 学习如何收集，存储，分析和可视化FCI；
4. 学习如何修复FCI并减少电商的损失。

1. 七牛原本的告警系统是通过zabbix来触发，然后有一个人工告警通知的团队来通知各个业务线告警，再由各自的运维团队处理告警。这个在规模小的时候没有问题，但是在机器规模变大的时候会遇到很多问题，告警数量爆增，信息流单项无法确认，缺乏历史记录等。需要针对这个来做改造，但是过程中会遇到大量告警如何迁移，如何保证不影响当前的正常工作等，中间运用到一些开源服务比如prometheus,pushgateway,node_exporter等，以及一些自己开发的系统。最终存储运维相关的故障减少80%以上，以及不需要人工告警团队再继续通知。
2. 资源利用以及集群复制。当前存储的部署是基于物理机部署，对于资源利用很不充分，也不利于集群的复制（私有云），会从这些角度讲如何从物理集群迁移到容器集群。

主要内容：

1. 监控数据搜集；
2. 告警收敛；
3. 告警后续处理；
4. 容器化方案。

听众受益:

1. 灵活运用开源组件;
2. 如何自动化的思路，避免无意义的工作；
3. 容器化的思路。