改变思考方式
此模块的所有单元中，这无疑是最重要的内容之一。 在本单元中，我们将思考一些观点，这些观点可能会改变我们对需要监视的重要内容及其原因的理解。 对于某些人而言，这可能会彻底改变他们有关监视的看法，进而提高可靠性。
重新思考 #1：从客户的角度来看可靠性
前面讨论过需要监视的一些可靠性的方面，但那似乎只扩展了需要监视的一些内容。 这里有一种观点，可帮助你重点关注为了提升可靠性应该监视的内容：
需要从客户的角度来衡量可靠性，而不是从组件的角度。
这一点非常重要。 建议再次阅读，因为这很重要。 过去人们提倡“监视一切”。如果可以读取计数器、绘制统计信息，或将其放在仪表板上，我们认为应对其进行监视。 “从客户的角度进行衡量”提供更为具体的观点。
我们来看一个简短的方案，阐述并且强调了这点。
方案
你负责运行公司的电子商务网站。 有一个包含 100 个服务器实例的 Web 场。 由于操作系统故障、软件更新、电源不稳定或一些其他意外事件，这 100 个实例中的 14 个突然停止工作。 这 14 个实例现在完全不在状态。
回顾：86 个服务器实例正常运行，14 个服务器实例未正常运行。
这种情况下以下哪一项是正确的？
A：这不是个大问题。 可以等到有时间的时候再处理这个问题。
B：这是个严重的问题。 应停止手上任何工作，尽快让这 14 个服务器示例恢复服务状态。
C：这是企业的生存危机。 应通知 C 级管理人员，并尽快召集所有人来处理这个问题，即使这意味着在半夜将他们从床上叫醒。
回答之前先花点时间仔细考虑下这种情况，然后进一步阅读。 你认为是 A、B 和 C 中的哪个？
正确答案既不是 A，也不是 B 或 C，应该是“视情况而定”。更准确地说，“这取决于客户对于这个故障的体验情况”。
如果设计该站点时就明确甚至没有客户注意到后端故障并且其余 86 个服务器实例承载起负荷而没有任何问题，那么此处不存在任何危机。 它可能是 SEV-3 或 SEV-4 事件，甚至可能只是一个支持票证问题。
如果此故障致使整个业务瘫痪，并且服务器故障每分钟会导致大笔资金损失，这时候可能需要拉起警报、立马集齐员工。 也可能是中间情况，那么答案就选“B”。
再次强调，需要从客户的角度来衡量可靠性，而不是从组件的角度。 这就是为什么从可靠性角度来看，在这种情况下，“100 个计算机中的 14 个（组件计数）故障”（尽管完全正确）不是最重要的信息。
即便对于更为传统的基于组件的监视，这一点也是适用的。 如果发现数据库服务器在 CPU 负载为 50% 的情况下运行，那这是好还是坏呢？ 如果负载升至 90%，那是更好还是更糟呢？ 如果服务运行正常且用户感到满意，90% 可能是很好的，因为这意味着大大提高了资源利用率。 但如果用户在 CPU 负载为 50% 时抱怨应用程序运行太慢，那 90% 也不见得是一种改善。
重新思考 #2：适当可靠性级别
为了正确树立这个观点，先快速看一下它的起源。 这个观点来自站点可靠性工程 (SRE)。 只需仔细检查下 SRE 的定义，就可以提取几个有用的观点（包括此部分中的观点）：
注意
站点可靠性工程是一种工程规范，致力于持续帮助组织实现系统、服务和产品的适当可靠性级别。
此定义中有三个关键字：
可靠性：简介单元详述了可靠性的重要性，此处不再赘述。
持续：在这里，“持续”是指人在所有操作中的角色。 创建可持续的操作实践至关重要。 可靠的系统、服务、产品是由人构建的。 如果我们不采取行动来确保我们的工作是可持续进行的（例如我们每天凌晨 3:00 叫醒员工处理页面，不留给员工与家人相处的时间，他们没有时间照顾自己），那么他们就无法构建可靠的系统。 SRE 认为我们有必要实施一种长期可持续的操作实践，以便我们的员工能够在工作中发挥最大才能。
适当：这对于某些人来说可能是颠覆性的一点。 在操作世界中曾经一度认为，目标就是要确保一周 24 小时一切都正常运行。 我们曾经尝试在全天、整周、整月、全年保证一切都正常运行。 故障是不被接受的。 站点可靠性工程引入操作讨论的其中一点是，我们应该实现适当可靠性级别。
我们来探讨下这点。 关键在于 100% 的可靠性几乎不是正确的目标。 除了医疗设备或飞机制造等某些例外之外，实际上不需要 100% 的可靠性。而且，事实上，100% 可靠性不是经常都可能实现。
下面是“不可能”的例子：现在我们运行的所有系统都与其他系统有依赖关系。 也许你正在运行一个软件，不得不调用付款处理程序或者身份验证系统。 如果付款处理程序并非 100% 可靠，或者身份验证系统不是 100% 可靠，则系统的可靠性也很难达到 100%。
关于 100% 可靠性的另一难点是，这意味着零故障。 这也意味着没有任何机会对认为可能会引起故障的东西进行更改。 不会有任何上升空间，而这可能是你需要的和想要的。
如果尝试进行某一特定操作，从“什么是适当的可靠性级别？”的角度来开始思考是非常有用的。 回到今天主题上来，监视需要支持这一目标。
考虑到这两个观念，让我们在实践中运用，并了解一些有助于实现目标的工具。