Site Reliability Engineer (SRE)

En site reliability engineer (SRE) sørger for, at systemer i drift virker. Rollen kommer fra Google, hvor drift blev behandlet som et softwareproblem. En SRE løser derfor driftsproblemer med kode frem for manuelt arbejde.

Arbejdet styres af tal. Teamet aftaler et service level objective (SLO), fx at 99,9 procent af forespørgsler skal lykkes. Resten er et fejlbudget (error budget). Er budgettet brugt op, stoppes nye udrulninger, til stabiliteten er rettet. Det gør diskussionen med produktchefen faktabaseret i stedet for følelsesbaseret.

Typiske opgaver

• Bygge overvågning og alarmer, så fejl ses før kunderne ringer.
• Automatisere gentaget driftsarbejde (toil) med Python, Go eller Bash.
• Gå vagt og lede indsatsen under nedbrud som incident commander.
• Skrive postmortem bagefter — om årsager, ikke om skyld.
• Lave kapacitetsplanlægning og belastningstest før spidsbelastning, fx Black Friday.
• Godkende nye services før produktion (production readiness review).
• Rydde op i alarmer, der larmer uden grund.
• Køre fejløvelser (game days), hvor teamet træner nedbrud i kontrollerede rammer.

En almindelig dag
Morgenen går med dashboards og nattens alarmer. Så standup med det udviklingsteam, SRE'en er indlejret i eller rådgiver. Formiddagen er kode: et Terraform-modul, en pipeline, en autoskalering. Efter frokost et review af en kollegas ændring i produktion. Sidst på dagen en postmortem eller en snak om et SLO. En dag uden brande er en god dag, ikke en spildt dag.

Vagt hører med. De fleste steder går man vagt en uge ad gangen med 4-8 ugers mellemrum. Nogle uger sker der intet. Andre uger ringer telefonen klokken tre om natten.

Det er ikke det samme som
En SRE er ikke helpdesk og laver ikke brugersupport. Forskellen til en DevOps engineer er glidende. DevOps beskriver en arbejdsform, mens SRE er en rolle med ansvar for konkrete driftsmål. I mindre danske virksomheder er det ofte den samme person.

Reglerne fylder mere end før. EU's NIS2-direktiv stiller krav om risikostyring og hændelsesrapportering i vigtige samfundssektorer. I finanssektoren kræver EU-forordningen DORA test af digital modstandsdygtighed. Hændelseslog, oppetidstal og testresultater kommer i praksis fra SRE-teamet. Selve rollen kræver dog ingen autorisation eller godkendelse.

Der findes ingen dansk uddannelse, der hedder site reliability engineer. Rollen samles af en teknisk uddannelse plus erfaring med systemer i drift.

De almindelige veje

• Datamatiker på erhvervsakademi, 2 år. Adgang kræver typisk gymnasial eksamen med matematik C eller en relevant erhvervsuddannelse.
• Professionsbachelor i softwareudvikling eller it-arkitektur, 1½ år oveni datamatiker.
• Diplom- eller civilingeniør i softwareteknologi fra DTU, SDU, AAU eller AU. Her kræves matematik A.
• Datalogi eller software på KU, AU eller IT-Universitetet, 3 år plus 2 år.

Ansøgning til de fleste af dem sker gennem Den Koordinerede Tilmelding.

Vejen uden universitet
Mange SRE'er kommer fra drift. Erhvervsuddannelsen til it-supporter er et fint startpunkt. Derfra går turen via 2nd level support, systemadministration eller cloud-drift. Andre starter som backend-udvikler og overtager ansvaret for produktion. Begge veje virker. Til samtalen spørges der til hændelser, du har håndteret — ikke til dit eksamensbevis.

Certificeringer der tæller

• Certified Kubernetes Administrator (CKA) fra Linux Foundation og CNCF.
• AWS Certified DevOps Engineer – Professional fra Amazon Web Services.
• Microsoft Certified: Azure Administrator Associate (AZ-104).
• HashiCorp Certified: Terraform Associate.

Certificeringer åbner døren til samtalen. De erstatter ikke erfaring med rigtige nedbrud.

Hvor lang tid tager det?
Regn med 3-5 år i it-drift eller udvikling, før titlen er realistisk. Juniorstillinger med SRE i titlen er sjældne i Danmark. Skal du hyre, så led efter produktionsansvar i cv'et frem for efter titlen. Spørg til det værste nedbrud, ansøgeren har været med til. Svaret afslører mere end certifikaterne.

Karriereveje videre
Herfra går vejen mod platform engineer, cloud-arkitekt, principal engineer eller teamlead. Nogle drejer mod sikkerhed, hvor kravene i EU's NIS2-direktiv skaber efterspørgsel. Andre bliver selvstændige konsulenter, fordi driftserfaring er svær at skaffe.

Platform og drift
Linux er grundstenen. Oveni ligger containere med Docker og orkestrering i Kubernetes. Pakketering sker med Helm, udrulning ofte med Argo CD.

Cloud
AWS, Microsoft Azure og Google Cloud. I Danmark fylder Azure meget, fordi mange virksomheder i forvejen er Microsoft-tunge. Offentlige kunder stiller ofte krav om databehandling inden for EU, blandt andet på grund af GDPR.

Infrastruktur som kode
Terraform eller OpenTofu til at oprette miljøer. Ansible til konfiguration. Alt ligger i Git, og ændringer sker gennem pull requests og en pipeline i GitHub Actions eller GitLab CI.

Overvågning
Prometheus og Grafana er standarden i open source-verdenen. Loki eller Elastic til logs. OpenTelemetry til sporing på tværs af services. Kommercielle alternativer er Datadog, Dynatrace, New Relic og Splunk.

Vagt og hændelser
PagerDuty eller Opsgenie til alarmering. Statuspage til at fortælle kunderne, hvad der sker. Slack eller Teams som krigsrum under et nedbrud.

Kode
Python og Go er de mest brugte sprog. Bash til det hurtige. YAML i store mængder — det er en del af jobbet, ikke en fejl.

Test af robusthed
k6, Locust eller JMeter til belastningstest. Chaos-værktøjer som Chaos Mesh til at slukke ting med vilje og se, hvad der sker.