Q1: 浙江移动的告警管理，智能告警管理，或监控管理，您认为到目前为止是不是已经基本上实现了自动化或者智能化？如果是，你们目前还有什么需要提高的地方？如果不是，您觉得是在哪一个阶段？
A1: 这个问题其实我是这样理解的。关于自动化和智能化，在我们的告警管理中，其实我们做自动化的目标是减少 oncall 工程师的工作量。我们其实用很多手段让它自动化，比如我们通过短信，通过微信机器人等等，这种手段能够去减少他的工作量，以及告警的一些自动处理的策略。
但是在我们实际运维工作中，这一部分的工作其实我们已经通过 开展了多年，在减少琐事上取得了较好的成效，我们现在也在思考后续应该怎么做。在减少琐事以外，还有很多事情实际上也占用了大量的精力，比如非琐事的专家经验。因为专家经验是需要一定门槛的，不是所有的人都很容易上手。在这个过程中，我们其实就考虑了智能化的手段，也就是能够将专家经验提取出来，或者能够替换掉它。目前我们在这方面正在开展工作，我们也是设定了几个级别，参考自动驾驶从 L1 到L5，L4 实际上就已经达到了自动驾驶的程度了。 L5 是理想的自配置规则，这个比较难。我们目前基本上是从 L3 到 L4 的一个过渡阶段，在智能化的手段上。
Q2: 浙江移动从 18 年那个时候引入学习SRE,19 年启动做SRE,现在应该是四年了。这四年实践，你这样经过以后，你感觉目前SRE在我们 IT 的自动化和智能化发挥的作用是什么样的？以及你未来看，通过机器或者通过平台来取代原来对人的要求，不管体力的要求或者智力的要求方面，你觉得能发挥一个什么样的作用？
A2:首先，经过了多年的SRE实践，成效还是很显著的。我们现在很多平时日常的这种维护工作，像报表类、巡检类、核查类等等，都已经通过我们自动化手段解决了。这个也是会带来我们实际工作中的一个很大的助益。
在这个过程中，我们也遇到一些问题，主要还是面临人员转型的问题。这个人他原来的技能并不匹配，如何把人员转型，是我们这么多年来的另一个很重要的成果。目前我们浙江移动的SRE团队，省公司层面已经有 100 多个成员是具备了独立开发能力的，结合到地市公司，已经有 400 余人是具备这样的一个开发能力的。现在对于我们的一线的人员来说，很多的事情他可以自己通过自动化手段去解决掉了，不需要像以前占用他很大的精力，也不需要再去做问题上报,这都是我们引入 SRE 以后带来的一个工作方式上的改变。
Q3:您的岗位叫SRE 研发负责人，您的需求是面对业务的需求，还是面对运维的需求，还是我们都要去负责？您能说一下吗？
A3:我的第一个岗位是SRE 研发负责人，第二个岗位，马上跟在后面的是核心网络运维专家，其实这也反映了我们的这样一个岗位特征。我是来自通信行业的，在我们行业中，大多数从业者都是我们称为 CT 专业的人员，即CT专家。其实原生并不是做 IT 的人，但是随着公司的业务发展以及人员数字化转型的过程中，现在有了这样的一个需求。我们就需要把 CT 的技能逐渐地向 IT 的技能去做转换，最终成为 IT 和 CT 融合的一个复合型人才。
在公司层面，我们也提出这样一个战略，叫做人员数字化转型，它和企业高质量发展是并行的，可见战略重要的程度。这样我的岗位也就很好理解了，在数字化转型的过程中，是需要有一些人先走出去一步，引领大家一起往这个方向去努力。如何走出这一步，我们还是要结合具体的业务，因为最终还是要立足业务的发展和业务的维护。在这个过程中，需要人员对业务有一定的理解，还需要有很好的开发能力，同时对于 IT 架构也有一个很好的理解。这也就是我岗位的来源。
SRE是一个运维拥抱研发的理念，实际上我们立足于原专业，去拥抱一个新的能力，在这个过程中，引领整体通信行业的专家们去实现技能的转型，以及能力的提升。
Q4:浙江移动SRE团队规模如何？我们目前使用的主要技术栈有哪些？
A4:省公司目前是100多人，地级市目前有400多人，加起来已经500多人的SRE团队了。我们后端主要技术栈是Python， Python 生态应该说它是一个现在应用范围最广、适用性最强的。它应用支持的包，还有它的库函数都是比较丰富的。同时它的学习成本相对较低，也利于人员的上手。
同时，我们用到技术栈也有Java，因为有一些人员，他原来就有这种面向对象语言的开发能力，所以也有 Java 技术栈。在前端，有像 node.js、 v u e 、 js等等。前端实际上我们目前的人员是比较少的，大家更多的问题解决，其实依靠后端就可以了。前端我们是有针对性的单独培养了一些人去做这方面的工作。
接下来，还有一块是AI，也是我们现在比较重视的。AI我们用到的框架有包括 tensorflow，这是神经网络算法用到的标准开源框架，还有像Pandas、 Zeppelin 等技术栈。
Q5: 我们在 IT 领域，特别在互联网领域，其实现在目前的趋势来看，随着我们技术的演进，开源软件或者开源的组件，用的越来越多了。也没有任何一个单位，他会有精力去重新发明所有的轮子，这也是开源的核心思想。想了解，我们浙江移动在一个SRE建设和转型的过程当中，我们也做开发，做很多软件工程，做些设计等等。有没有用到一些开源的软件或者开源的组件? 目前的进展情况怎么样？
A5：开源实际上,我们用的还是非常多的。我可以举一个开发项目的例子，我们曾经开发过一个分布式数据库，最初采用的是 gbase，它是一个非开源的，是买来的。但是后来我们迁移到了greenplum。这个过程其实我们的成本是很高的，因为 g base 数据库属于 MySQL 体系的， gp是属于Postgresql 体系的，底层语言不同，需要很多的重新开发。但是我们最后还是决定做了迁移，其实也是当时讨论了很久，并且下了很大决心。有几个问题最终导致了我们这样做。
第一个，开源的数据库，它对复杂特性的支持更好。就拿上述两个 MPP数据库为例， SQL标准按年份有 92、99、08、11、16 等等。 MySQL 体系对于 SQL 标准的支持程度并不高，基本只支持到99及03的部分特性。但是PostgreSQL这样一个阵营，它是全部支持到03、08，还支持11、16的新特性，并且它对于复杂特性进行了性能优化。我们当时做的业务系统，它的逻辑是比较复杂的，需要采用很多 SQL 新标准中的特性函数，让代码的效率达到最优。在这个过程中，基于 MySQL 的gbase可以做简单查询统计，但是对于这种复杂操作的支持和性能优化不足，不能够完全满足我们的业务处理逻辑要求。
第二个，我们考虑了扩展性和兼容性。 我还以gp为例，它除了支持SQL 语言，它还支持调用 C/ Python 等外部语言去进行开发，这个就很好。但是 MySQL 阵营中只支持 SQL 语言的开发。我们的项目后续要采用AI 模块，为了更精准的实现 AI 赋能效果，我们需要调用 Python 和机器学习类库来实现。MySQL在机器学习上没有相关支持，不能满足更多新功能的升级需求。这也是我们最终下决心进行迁移的一个重要的依据。我们目前大多数项目都是基于开源来实现的，因为它从生态的丰富性上、从扩展性和兼容性来讲，都是具有很大的优势的。
Q6:浙江移动内部，我们有这么多平台，这么多的产品，这么多能力，未来会有向面向社会开源的想法吗？还是只在我们企业内部的开源？
A6:最底层的开源我们现在没有计划去动。我们在基础上会叠加一些带着业务特性的开源。比如说，我们现在在做的微信机器人的告警通知，是基于 chatbot架构，我们开发了一个Chatops平台，通过跟微信机器人的交互，运维人员就能够查询到大网所有的告警、指标等。在这方面我们已经形成了一个非常好的体系化的平台和阵营。浙江移动现在各个地市公司都创建了自己的机器人，像杭州的叫小滨，温州的叫小欧等等。类似这个机器人，我们已经有计划去做推广和应用的尝试。
Q7：浙江移动内部，目前有参加哪些？
Q7: 我们从2019年开始，加入了SRE书友会，跟着刘峰老师一起从读《Google SRE运维解密》一书开始进行学习，然后在2020年，我们参加了雅菲奥朗举办的SRE Foundation认证培训，并且全员获得了SRE Foundation的认证。在2022年，我们又继续参加了SRE高阶实战培训SRE Practitioner认证培训，并顺利通过SRE Practitioner考试，获得认证。我们一直坚持读书和学习，来增强SRE团队成员的综合能力。
