1. SRE 成熟度模型概述
SRE 成熟度模型是评估组织在站点可靠性工程实践中能力水平的结构化框架。它借鉴了 CMMI（能力成熟度模型集成）的分级思想，将 SRE 实践从混乱、被动响应逐步演进到数据驱动、持续优化的高级阶段。该模型不仅是技术能力的度量尺，更是值班台建设的战略蓝图——不同成熟度级别对应着截然不同的值班模式、工具链和团队协作方式。
1.1 五个成熟度级别定义
SRE 成熟度模型将组织能力划分为五个递进级别，每个级别都定义了明确的特征、关键实践和典型表现：
| 级别 | 名称 | 核心特征 | 值班台表现 |
|---|---|---|---|
| L1 | 初始级 Initial |
救火式运维，无标准化流程，依赖个人英雄主义 | 值班即被动响应，无交接规范，告警淹没 |
| L2 | 可重复级 Repeatable |
建立基础流程，关键操作可重复执行，文档化起步 | 值班排班表固定，有基础交接清单，告警分类初步 |
| L3 | 已定义级 Defined |
流程标准化并组织级推广，角色职责清晰，SLO/SLI 引入 | 值班流程标准化，告警分级与升级策略明确，值班手册完备 |
| L4 | 已管理级 Managed |
量化管理，数据驱动决策，告警与值班指标可度量 | 值班指标（MTTA/MTTR）可量化，告警噪声持续优化，值班负载可预测 |
| L5 | 优化级 Optimizing |
持续改进，自动化驱动，自愈与预防文化 | 值班台高度自动化，告警自愈闭环，值班人力投入持续下降 |
关键认知：成熟度不是"越高越好"的标准，而是与组织业务阶段、团队规模和系统复杂度相匹配的演进路径。初创期团队强行追求 L5 级自动化，往往适得其反。
1.2 成熟度与值班台建设的关系
值班台是 SRE 实践落地的"最后一公里"，也是成熟度最直观的体现窗口。两者之间存在清晰的映射关系：
- L1 → L2 的跃迁：从"无人值守"到"有人值班"，核心是建立值班纪律和基础交接机制。此时值班台建设重点是排班工具和告警通知通道。
- L2 → L3 的跃迁：从"有流程"到"好流程"，核心是标准化值班手册、告警分级和升级策略。值班台需要引入知识库和 Runbook 集成。
- L3 → L4 的跃迁：从"定性"到"定量"，核心是建立值班效能指标（MTTA、MTTR、告警噪声比），用数据驱动值班台优化。
- L4 → L5 的跃迁：从"人驱动"到"系统驱动"，核心是告警自愈、自动化故障处理和值班负载预测，值班台从"监控中心"进化为"自动化运营中心"。
核心公式：值班台建设成熟度 = 流程标准化程度 × 数据可观测性 × 自动化覆盖率。三者缺一不可，且相互制约。
1.3 成熟度演进路径图
下图展示了 SRE 成熟度从 L1 到 L5 的演进路径，以及每个阶段值班台建设的核心关注点：
1.4 成熟度评估维度
为了准确定位组织当前所处的成熟度级别，需要从以下四个维度进行综合评估：
| 评估维度 | L1 初始级 | L3 已定义级 | L5 优化级 |
|---|---|---|---|
| 流程规范 | 无文档，靠口头传递 | 标准化值班手册，定期评审 | 流程自动触发，持续优化 |
| 工具链 | 零散脚本，无统一平台 | 统一监控+告警+值班平台 | AI 辅助决策，自愈闭环 |
| 人员能力 | 依赖个别"救火英雄" | 团队具备标准化值班能力 | 全员具备自动化思维 |
| 数据度量 | 无度量，凭感觉 | 关键指标（MTTA/MTTR）可查 | 指标驱动改进，预测性分析 |
常见误区：很多组织在 L2 阶段就急于引入高级自动化工具，结果因为流程未标准化，工具反而成为新的运维负担。正确的做法是：先标准化，再自动化。值班台建设必须遵循"流程→工具→自动化"的演进顺序。