自動化是 SRE 的核心驅動力#

從洗衣機軟體到車用系統，自動化早已滲透日常。在軟體組織內，自動化更是 SRE 的關鍵推手——它讓團隊能精簡運維、聚焦目標。

「toil」指那些手動、重複、無需人類智慧的戰術性任務。SRE 的核心責任之一就是消滅 toil。

範例：服務自我修復腳本#

import os
import time

def check_service():
    status = os.system("systemctl is-active --quiet myservice")
    return status == 0

while True:
    if not check_service():
        print("Service is down! Restarting...")
        os.system("systemctl restart myservice")
    time.sleep(60)

這段腳本每分鐘檢查一次服務狀態，發現未啟動時自動重啟。

自動化對 SRE 的價值#

• 節省時間與人力：把重複工作從人手中拿走
• 減少人為錯誤：手動操作越多，出錯機率越高
• 加速錯誤修復：自動告警與自我修復可在使用者察覺前完成補救
• 強化系統表現：把調整流量、擴充資源等動作內建進系統行為

可自動化的領域#

• 手動重複任務：每日抓報表、清理資源、健康檢查等
• 告警與監控自動化：高衝擊告警直接通知對應團隊；流量增減自動觸發擴縮
• 事件管理自動化：自動接收、關聯告警、通知團隊
• 其他：安全漏洞掃描、日誌掃描、權限管理、持續健康檢查

自動化帶來的系統效益#

• 自動化（Automation）本身：節省成本、縮減擴編需求
• 擴充性（Scalability）：自動依負載擴縮
• 可靠性（Reliability）：自我修復、自動重啟服務
• 可用性（Availability）：自動將流量導到健康伺服器

推動自動化的流程建議#

• 持續找出可自動化的點，例如自動事件管理、自動告警、自我修復、自動擴充

• 用指標導向決策：

  假如某項手動任務一年只做 2 次、每次 30 分鐘，但自動化要花 1 個月人時，那不該自動化——成本高於收益。

• 把待辦手動任務分類後再選工具

• 評估工具時列出需求清單、比對功能、確認可客製

• 分析成本（開源 vs 訂閱、一次性 vs 年費）；若購工具比僱用工程師寫程式還貴，請考慮後者

• 識別自動化類別後再選工具，常見組合：

  • 監控 → Prometheus + Grafana（具自動化客製能力）
  • 事件管理 → ServiceNow（自動通知）
  • 配置管理 → Ansible（自動建基礎設施）

• 設置回饋迴路：與 SRE、DevOps、開發、測試、業務固定 review，找出可自動化的痛點

事件管理就是自動化價值的最佳例證：自動建單、確認、指派優先級與分類，可省下 80% 工程師時間，讓他們專注繞過問題、降低使用者衝擊。