- Cloudflare的 Phoenix 工具可自动进行服务器诊断与恢复，减少时间与人力投入。
- Phoenix 利用“错误预算”评估继续修复反复故障服务器的价值，并据此停止恢复尝试。
Cloudflare 的 Phoenix 实现服务器诊断自动化
Cloudflare 介绍了其维护全球数百万台服务器的方法，包括引入“错误预算”概念，将同理心融入自动化。他们开发了 Phoenix 工具，用于自动检测和修复故障服务器。
另请阅读：中国科技巨头 Lenovo 借助 Nvidia 的新服务器加速人工智能发展
Phoenix 每 30 分钟运行一次，发现并修复故障设备。需要智能管理界面和节点验收测试，以便 Phoenix 能够快速诊断问题并采取行动。此外，错误预算评估经历多次故障的服务器是否值得修复。Cloudflare 认为自动化对于提升效率和减少人工干预至关重要。
通过错误预算评估服务器可靠性
Cloudflare 的 Phoenix 工具自动生成待办事项列表，并基于错误预算评估服务器价值，错误预算代表自动化中累积错误的容忍度。
此外，如果某台机器在一定时间内多次发生故障，Phoenix 将停止恢复尝试。这种方法有助于 Cloudflare 管理硬件故障，并为改进诊断系统提供了机会，使工程和 SRE 团队能够专注于创新和可靠性。自动化的重要性和力量使技术人员能够从事更有价值的活动。