infra组最重要的指标是啥

在某大厂infra组，组里的产品比较成熟了，但系统复杂，规模庞大，impact涉及全公司，所以reliability可能会有波动(比如xx用户的request fail了，reliability就要降低). 感觉management大佬们都很看重这个指标，所以经常需要救火；很多okr也是为了提高系统的reliability

所以好奇对于infra这个领域，最重要的指标是什么？就是reliability么？我认为yes，但这就导致搞infra的人oncall重，经常救火修bug，对于职场发展来说这是不是一个red flag？ 当然了我们也做design + okr，但主题也是如何提高reliability。所以是不是应该去一个新的组开发新infra更好

DDIA把答案都写在书名里了 reliable scalable, and maintainable

最重要的指标是甩锅和背锅的能力

最重要的指标当然是用的人要多。。没人用的infra离被砍不远了。。

现在这经济形势，大厂还有infra的新组吗？

有一个职位叫SRE, site reliability engineer。如果一个infra组，天天只能强调reliability，那和这个职位有啥区别。SRE的pay应该是码农里较低的那一层吧。这里没有任何歧视的意思，就是单纯说一个事实。我觉得钱在大层面上还是能说明这个职位在行业的重要性的。比如ML Engineer 就比一般的eng pay的多。现在行业最火的是啥，也不用我废话了。

流天 发表于 2023-02-24 15:00:35
有一个职位叫SRE, site reliability engineer。如果一个infra组，天天只能强调reliability，那和这个职位有啥区别。SRE的pay应该是码农里较低的那一层吧。这里

我们有专门的sre组，和我们联系紧密，他们是救火前线，但我们dev也被波及。比如sre对代码不完全了解，需要找我们。我们根据sre的反馈做new feature

但总之对于我们组这种成熟infra，oncall重，天天强调reliability，所以这种组是不是坑？真正牛逼的infra组都是做啥的？对于infra什么样的才是有含金量的工作？

流天 发表于 2023-02-24 15:00:35
有一个职位叫SRE, site reliability engineer。如果一个infra组，天天只能强调reliability，那和这个职位有啥区别。SRE的pay应该是码农里较低的那一层吧。这里

现在行业最火的是啥？ML？ML infra？

流天 发表于 2023-02-24 15:00:35
有一个职位叫SRE, site reliability engineer。如果一个infra组，天天只能强调reliability，那和这个职位有啥区别。SRE的pay应该是码农里较低的那一层吧。这里

我们infra组的sre都是给oncall的followup擦屁股，以及自动化擦屁股。关键时刻还的sde去解决源头。比如一个region有个屁股要擦，sde交给sre，以后10个region的屁股都给他了，他要是能写个script自动擦，估计就快升职了。当然了，sde也可以做，但是sde做更重要的工作了，不如把这个屁股彻底封死，以后不用再擦

匿名用户 发表于 2023-2-24 15:05
现在行业最火的是啥？ML？ML infra？

我厂管这个叫AI Infra，就是用一堆机器训练大模型。个人觉得只有在有限的几个大厂需要，出路并不见得多。中小企业大概更希望使用现有的平台，比如Sagemaker，MLFlow啥的。

oncall轻松，说明系统稳定，复杂度控制的不错。