📦 Toil Tracker — 劳动跟踪器

Toil 跟踪器 找到消耗您工程时间的重复性工作。Toil 是指重复、可自动化、与服务规模相关且没有持久价值的工作。识别它，衡量它，优先考虑哪些工作需要首先自动化，并跟踪随时间的减少。 使用时：

• "我们有多少 Toil"
• "我们应该自动化什么"
• "Toil 预算"
• "手动运营工作"
• "重复任务"
• "SRE Toil 减少"
• 或在季度规划期间证明自动化项目的合理性。

命令

• survey — 目录 Toil 源

步骤 1：识别 Toil 类别 采访团队或分析工作跟踪系统。 常见的 Toil 类别： 类别 | 示例 | 信号 -----|------|------ 部署 | 手动部署步骤、配置更改、回滚 | "有人必须点击..." 票据 | 密码重置、访问请求、证书续期 | "每周我们都会收到..." 监控 | 假警报、手动警报分类、仪表盘监控 | "我们会因为这个而..." 扩展 | 手动容量调整、资源分配 | "当流量激增时..." 数据 | 手动数据修复、迁移、回填 | "用户会提交票据..." 维护 | 依赖更新、证书轮换、密钥轮换 | "每个季度我们都必须..." 入职 | 设置开发环境、授予访问权限 | "新员工设置需要..."

步骤 2：量化每个 Toil 源 # 分析票据系统中的重复模式 # Jira/Linear — 查找重复的票据类型 # 示例：按标签/类型统计上个季度的票据数量 # 分析值班警报中的噪音 curl -s "https://api.pagerduty.com/incidents?since=2026-01-01&until=2026-04-01&statuses[]=resolved" \ -H "Authorization: Token token=$PD_TOKEN" | python3 -c " import json, sys, collections incidents = json.load(sys.stdin)['incidents'] by_service = collections.Counter(i['service']['summary'] for i in incidents) print('Incidents by service (potential toil):') for service, count in by_service.most_common(10): print(f' {count:>4}x {service}') "

对于每个 Toil 源，估计：

• 频率：它发生的频率是多少？（每天、每周、每次部署）
• 持续时间：每次需要多长时间？（分钟、小时）
• 涉及人员：有多少工程师接触到它？
• 扩展：它是否随着服务数量、流量或团队规模而增长？
• 风险：如果有人做错了会发生什么？

步骤 3：计算 Toil 预算 def calculate_toil_budget(toil_items, team_size, hours_per_quarter=520): """ Google SRE 推荐：最多 50% 的 SRE 时间用于 Toil。 """ total_toil_hours = 0 for item in toil_items: quarterly_hours = item['frequency_per_quarter'] item['hours_per_occurrence'] item['people_involved'] total_toil_hours += quarterly_hours item['quarterly_hours'] = quarterly_hours team_capacity = team_size hours_per_quarter toil_percentage = (total_toil_hours / team_capacity) 100 return { 'total_toil_hours': total_toil_hours, 'team_capacity_hours': team_capacity, 'toil_percentage': toil_percentage, 'status': '🟢 健康' if toil_percentage < 30 else '🟡 警告' if toil_percentage < 50 else '🔴 超预算', 'items_ranked': sorted(toil_items, key=lambda x: -x['quarterly_hours']), }

步骤 4：生成报告 # Toil 报告 — Q2 2026

摘要

• 团队规模：6 名 SRE
• 总 Toil：420 小时/季度（13.5 小时/人/周）
• Toil 预算：34% 的容量 🟡 （目标：<30%）

顶级 Toil 源（按小时排名）

| 排名 | 类别 | 任务 | 频率 | 持续时间 | 小时/季度 | 是否可自动化？ | |------|----------|------|------|----------|---------|-------------| | 1 | 票据 | 访问请求 | 20/周 | 15 分钟 | 65 小时 | ✅ 自助服务门户 | | 2 | 部署 | 手动生产部署 | 3/周 | 45 分钟 | 58.5 小时 | ✅ CI/CD 流水线 | | 3 | 监控 | 假警报分类 | 10/周 | 20 分钟 | 43 小时 | ✅ 调整阈值 | | 4 | 数据 | 客户数据修复 | 5/周 | 30 分钟 | 32.5 小时 | ✅ 管理工具 | | 5 | 维护 | 证书续期 | 12/季度 | 2 小时 | 24 小时 | ✅ 自动续期 |

自动化 ROI

| 项目 | 预估工作量 | 每季度节省的 Toil | 回收期 | |---------|------------|-------------|---------| | 自助服务访问门户 | 80 小时 | 65 小时 | 1.2 个季度 | | CD 流水线 | 120 小时 | 58.5 小时 | 2.1 个季度 | | 警报调优冲刺 | 20 小时 | 43 小时 | 0.5 个季度 | | 管理数据工具 | 60 小时 | 32.5 小时 | 1.8 个季度 | | 自动证书续期 | 8 小时 | 24 小时 | 0.3 个季度 |

推荐

首先进行警报调优（最快的 ROI）和自动证书续期（最低的工作量）。然后处理自助服务访问门户。将 CD 流水线推迟到 Q3（高工作量但高回报）。

• prioritize — 排序自动化候选项

按以下标准评分每个 Toil 源：

• 每季度节省的小时数（影响）
• 自动化工作量（成本）
• 手动错误的风险（安全）
• 增长率（会变得更糟吗？）

计算 ROI = 每季度节省的小时数 / 自动化小时数。

• track — 跟踪 Toil 减少情况

比较季度内的 Toil 小时数：

• 总 Toil 小时数是否上升或下降？
• 哪些自动化项目实现了预期的节省？
• 是否出现新的 Toil 源？
• Toil 百分比是否在 SRE 预算内（< 50%）？