1. SRE 成熟度模型概述
SRE 成熟度模型是一套用于评估组织在站点可靠性工程实践中能力水平的框架。它帮助团队从“被动救火”逐步演进到“主动预防、数据驱动、持续优化”的工程文化。该模型通常划分为五个递进级别，每个级别对应不同的运维特征、工具链成熟度与组织协作方式。
核心认知： 成熟度评估不是“打分排名”，而是为团队提供一张可执行的演进路线图，明确当前短板与下一阶段目标。
1.1 五个级别的核心特征
| 级别 | 名称 | 核心特征 | 典型表现 |
|---|---|---|---|
| L1 | 初始（Initial） | 救火式运维，无标准化流程 | 故障靠个人经验处理，无监控告警，值班依赖“谁在谁上” |
| L2 | 可重复（Repeatable） | 建立基本流程与文档 | 有值班手册、故障分级、基础监控，但工具分散、数据孤岛 |
| L3 | 已定义（Defined） | 流程标准化，工具集成 | 统一监控平台、告警聚合、值班交接规范，开始引入 SLO/SLI |
| L4 | 已管理（Managed） | 量化度量，数据驱动决策 | 基于 SLO 的告警策略、容量规划、故障复盘数据化，值班台与可观测性工具深度集成 |
| L5 | 优化（Optimizing） | 持续改进，自动化与自愈 | 故障自动检测与自愈、混沌工程、值班台 AI 辅助、全链路可观测闭环 |
实践提示： 大多数团队处于 L2 到 L3 的过渡阶段。本课程的核心目标之一，就是通过 Jaeger 链路追踪与值班台的集成，帮助团队快速跨越到 L4 级别。
1.2 成熟度评估的价值
成熟度评估并非一次性活动，而是一个持续改进的循环。其核心价值体现在以下四个方面：
- 定位短板： 通过对照模型，快速识别当前运维体系中的薄弱环节（如告警噪音高、故障定位慢、缺乏容量数据）。
- 对齐目标： 为团队、管理层和业务方提供统一的语言，明确“可靠性”在当前阶段的定义和优先级。
- 规划路径： 基于当前级别，制定可量化的下一阶段改进计划，避免盲目引入工具或流程。
- 衡量进步： 通过定期评估（如每季度一次），客观衡量 SRE 实践的投资回报率（ROI）。
1.3 SRE 成熟度演进路径（SVG 图）
下图展示了从 L1 到 L5 的典型演进路径，以及每个阶段的关键能力特征：
1.4 成熟度与值班台、链路追踪的关系
在本课程中，我们将重点聚焦于 L3 → L4 → L5 的跃迁。值班台（On-Call Dashboard）与 Jaeger 链路追踪的集成，正是实现这一跃迁的关键技术抓手：
- L3 阶段： 值班台可以展示基础告警与服务健康状态，但故障根因定位仍需手动排查。
- L4 阶段： 通过集成 Jaeger，值班台能够直接展示故障链路的 Trace 视图，将 MTTR（平均修复时间）从小时级缩短到分钟级。
- L5 阶段： 基于链路追踪的异常检测，值班台可触发自动化自愈动作（如回滚、限流），实现无人值守的故障响应。
避坑提醒： 不要试图跳过 L3 直接实施 L4 的链路追踪集成。如果团队没有标准化的告警流程和统一监控平台，引入 Jaeger 只会增加数据噪音，无法发挥其根因定位的价值。