國泰金控打造 SRE 戰鬥團隊 六種角色佈局

數位轉型風潮日熾，驅使各行各業紛紛擁抱雲原生技術，藉以孕育高含金量的數位服務或通路；隨著創新服務的用戶規模擴大，也讓業主倍感壓力、對服務中斷的容忍度急速下降，以致越來越多企業積極招募「網站可靠性工程」（SRE）人才，期盼做到營運維穩、快速應變。

近年積極擴張數位營運版圖的國泰金控，頻頻展現豐沛創新力，推出許多各界驚艷的數位業務；從邁出金融與科技創新步伐的 Day 1 起，國泰便以微服務作為關鍵基底，即早深植兩大文化底蘊，一是 DevSecOps，另一是 SRE，換言之，國泰也曾經與其他行業一樣，在窄小池子裡爭搶 SRE 人才。
然而，體認到要延攬深具SRE技能與經驗、願意在金融業長期打拼的人才，難度甚高，於是國泰形塑出屬於自己的 SRE 建軍模式，一舉定義六種 SRE 角色，另外在內部啟動業界罕見的 SRE 人才培訓計畫；其中的發展歷程，相當值得各界借鏡學習。

以現代化監控為主題，搭建專屬於國泰的 SRE 架構
今年初（2023），國泰金控在總經理運籌帷幄下，成立資訊治理強化小組，而SRE是主要議題之一，帶動國泰的 SRE 旅程就此豁然開朗。

國泰金控中台發展部協理鄭正略表示，國泰在 2019 年成立中台並邁向微服務，當時便設立SRE團隊，原本想參酌全球科技巨擘的 SRE 發展範本，但逐漸發覺幾個問題，譬如某些企業偏向開發者，藉由轉調資深技術人員到 SRE 團隊服務、持續貢獻長才；有些則是從基礎設施（Infrastructure）角度出發，培養所需 SRE。然而，無論側重於技術開發或基礎設施，都不適合金融業或國泰的發展路徑。

總經理站在制高點，邀集內部的中台、開發、Infra 及數銀等不同部門集思廣益，經過腦力激盪，探索出最適合國泰的 SRE 切入點，便是「監控」；藉由監控衍生儀表板、重要指標（Metrics）與數據營運等關鍵元素，撐起「現代化監控中心」，順勢達到維穩運營目標。在資訊治理強化小組專案啟動的同時，國泰便以「現代化監控中心」為主旋律，塑型國泰需要的 SRE 人力與培育架構。

國泰的資訊系統在近年間經歷從虛擬化到雲端化的轉變，逐步導入持續交付整合（CI/CD）和快速應用程式開發（R &D）等方法，以應對快速部署需求，同時確保服務不中斷。然而，傳統監控中心工具和流程的不一致性成為一個挑戰，無法有效支援跨團隊的業務監控和即時應變。國泰世華資訊架構部資深副理鄭紹斌說明：「為了解決這個問題，我們決定通過技術、流程和人文三個面向不斷改進，建立現代化的監控中心，以滿足金融業運營的需求。在技術方面，我們採用標準化技術和工具來收集監控數據，並建立跨團隊共享的監控儀表板。流程優化方面，簡化問題通報、事故處理和告警設定流程，以縮短處理時間。人文方面，強調營運維護的重要性，建立SRE協作機制和培養 SRE 人才。」

六種 SRE 角色劃分 穩固國泰資訊治理強化小組
為了驅使現代化監控中心高效穩定運作，國泰一舉建立近 40 人的虛擬SRE團隊，基於過往經驗累積，明確體認到若僅依靠一種SRE角色，恐難撐持現代化監控大局。綜觀當前國泰 SRE 團隊，除了本來就身負維運監控重任的 Ops SRE 外，規劃設計 Dev SRE、Infra SRE、Cloud SRE、Business SRE 及 DevOps Architect，共計六種工作職掌。

SRE 虛擬團隊之「Ops SRE 角色」，負責監看整體平台的運行狀況，成為事件分派及追蹤的關鍵人物。國泰世華中台發展部資深副理潘建名說明，「Dev SRE」和「Infra SRE」從應用程序和基礎設施的專業角度出發，對問題進行細部分析、處理和優化。當發生問題時，SRE 團隊會採取緊急處置，以維持服務運作，下一步便會借重「Dev SRE」與「Infra SRE」對各自專業領域的理解，針對問題進行徹底的處理與改善，最終消除異常根因。

國泰 SRE 團隊涵蓋 Ops SRE、Dev SRE、Infra SRE、Cloud SRE、Business SRE 及 DevOps Architect，共計六種工作職掌

接著談到「Cloud SRE」，國泰在近年打造的創新服務，已考量到公有雲運作需求，因而訂定「Cloud SRE 角色」，負責排除上雲過程的各種問題與異狀。而 DevOps Architect 負責定義 CI/CD 服務的流程和架構，並為技術研發提供定位。DevOps Architec t對其他角色也具有不可或缺的價值，特別是在維運流程串接方面，這需要技術工具的支持，舉例來說 CI/CD 流水線、Kafka 即時串流等，就需借重 DevOps Architect 同仁來執行這些平台的整備工作。

「Business SRE」則專注於業務流程的檢視和 SLA 的定義。他們與業務部門合作，以確保服務水平達到更加精確和合理。在銀行業中，特定日期如薪資發放日或雙 11 購物節之特殊促銷活動等都可能產生交易高峰期。有了「Business SRE」的參與，可以協助業務部門合理安排行銷和推播活動，以避免對 IT 系統資源造成過大壓力，影響交易活動的順利執行。這些不同的 SRE 角色在國泰的運營中相互協作，以確保服務的穩定性和效率。

施行 SRE 培訓計畫，突破人才招募與晉用障礙
國泰獨樹一幟的 SRE人才培訓計畫，可謂一大亮點。國泰世華中台發展部資深副理陳雅惠解釋，近年護國群山議題躍起，高科技製造業成為眾多青年嚮往的職場，產生人才磁吸效應；相形之下，金融業在 SRE 人才晉用上難免遇到困難，畢竟金融業分工與權責十分細膩。考量及此，國泰盱衡SRE人才招募與職務設計的可行性，決定透過內部培訓形式，建立自給自足人才庫。

培訓的初期階段，40 多名 SRE 同仁被分為兩梯次，接受不同類型的培訓。第一梯次的課程包括基礎教育，涵蓋 SRE 基本概念、Mindset，以及相關技術課程。這些課程旨在帶領學員理解 SRE 的執掌，瞭解落實 SRE 的過程需要結合的人文轉變，讓大家都能以正確的視野與心態從事 SRE 工作。

第二梯次的專業課程則針對不同 SRE 角色的專業需求進行更深入和細化的培訓。完成培育的 40 位 SRE 同仁將成為種子，負責將 SRE 知識傳授給部門同事或新進員工。

陳雅惠強調，國泰成立 SRE 團隊的主要動機之一是為了實現透明化。現在，當 CUBE APP 的客戶登入出現問題時，Ops SRE 能夠迅速識別問題節點，並找到對應的 SRE 角色協助解決問題。這樣的可視性提高了效率，過去需要花費 30 分鐘以上才能解決的問題，現在只需要不到 5 分鐘。

此外，透過 Metrics 的細致監控，SRE 團隊可以觀察到以前無法察覺的異常情況，例如 CUBE App 的登入時間增長，即使客戶尚未投訴，但 Metrics 提供了早期的警示，使SRE團隊能夠迅速檢查問題並進行修復。

國泰金控中台發展部協理鄭正略表示，SRE 團隊為國泰帶來三大顯著效益：強化營運穩定性和安全性，提高應變速度，優化協作

有鑑於 AI 技術更趨於成熟精進，國泰規劃導入 AI Ops技術，期望結合 AI 助力，更加提早發現潛在問題。SRE 團隊成員陳筱君說明，在 AI Ops 從旁輔助，即可幫助團隊成員從龐大的 Metrics 資訊裡，加速找出原本較難辨識的細微蛛絲馬跡，譬如一眼看穿中台上面 3、400 個服務的相依性與關聯性，順勢讓 MTTR 加速朝「個位數」分鐘降落。

鄭正略說明，2019 年成立中台時，當時日均交易量僅約 300 萬到 400 萬筆，目前隨著最熱門的 CUBE App 數位金融服務進駐中台架構，已將日均交易量大幅推升至 7,000 多萬筆；交易量不可同日而語。國泰成立的 SRE 團隊，帶來三大顯著效益：強化營運穩定性和安全性，提高應變速度，優化協作。透過六大角色的合作，監控盲點減少，減少錯誤判斷時間和平均處理時間（MTTR），確保一致標準化工具和流程，減少技術不相容，促進團隊溝通，釋放更多時間用於協作和創新。

國泰現今 SRE 種子團隊已逐漸茁壯，SRE 經驗的傳承列為核心價值之一，會以系統性手段，將相關事故紀錄、優化處理過程轉為知識庫，並搭配技術、流程、人文的全面進化，確保國泰各項數位服務都能恆常維持高效、安全、穩定運行。