Sivuston luotettavuustekniikka - kurssi 65 000 hieroa. Slurmilta, koulutus, päivämäärä 1.1.2024.

Miscellanea / by admin / November 29, 2023

click fraud protection

IHMISILLE
SRE-insinööri voi olla joko käyttöinsinööri tai kehittäjä. Intensiivikurssilla harjoittelet paljon ja saadut taidot ja tiedot ovat sopeutettavat ja toteutettavissa millä tahansa alalla.

LIIKETOIMINTA
SRE ratkaisee samat ongelmat kuin DevOps: se nopeuttaa uusien ominaisuuksien julkaisemista ja parantaa tiimin prosesseja. Mutta SRE: n päätehtävänä on varmistaa palveluiden vakaus ja luotettavuus, pois lukien tilanteet, joissa käyttäjät valittavat vioista ja insinööreillä on vihreät aikataulut.

Rakennamme:
Koulutussivustomme koostuu useista mikropalveluista. Se yhdistää tiedot esityksistä, hinnoista ja saatavilla olevista paikoista kaikista elokuvateattereista, näyttää elokuvatiedotteita, voit valita elokuvateatterin, esityksen, salin ja paikan, varata ja maksaa liput.

Muotoilemme tälle sivustolle SLO-, SLI-, SLA-indikaattorit, kehitämme niitä tukevan arkkitehtuurin ja infrastruktuurin, asetamme valvonnan ja hälytyksen.

Kehittäjävirheet, infrastruktuurihäiriöt, vierailijoiden virta ja DoS-hyökkäykset johtavat SLO: iden pahenemiseen.

instagram viewer

Analysoimme vakautta, virhebudjettia, testauskäytäntöjä, keskeytysten hallintaa ja käyttökuormitusta.

Tapahtui onnettomuus. Maksunkäsittelypalvelu on poissa käytöstä. Kuinka toimia toiminnan palauttamiseksi mahdollisimman lyhyessä ajassa?

Järjestämme hätätyöryhmän työtä: kollegoiden mukaan ottaminen, sidosryhmien ilmoittaminen, prioriteettien asettaminen. Koulutamme työskentelemään paineen alla erittäin rajoitetuissa olosuhteissa.

Katsotaanpa sivuston lähestymistapaa SRE: n näkökulmasta. Analysoimme tapauksia (tapahtumien syyt, eliminoinnin edistyminen). Teemme päätöksiä estääksemme niitä edelleen: parannamme seurantaa, muutamme arkkitehtuuria, lähestymistapaa kehitykseen ja toimintaan sekä määräyksiä. Automatisoimme prosesseja.

— Meillä on kymmeniä rakennettuja infrastruktuureja ja satoja kirjoitettuja CI/CD-putkia,
— Sertifioitu Kubernetes-järjestelmänvalvoja,
— useiden Kubernetes- ja DevOps-kurssien kirjoittaja,
— Säännöllinen puhuja venäläisissä ja kansainvälisissä IT-konferensseissa.

PÄIVÄ 1: AMA: n aloitusistunto

Keskustelemme kurssin tavoitteista ja tavoitteista, kerromme myös mitä SRE on ja jaamme sen tiimeihin.

Kahden teoreettisen aiheen avaus:

Aihe 1: Valvonta

Miksi seurantaa tarvitaan?
Persentiilit
Varoittaa
Havaittavuus

Aihe 2: SRE-teoria

SLO, SLI, SLA
Kestävyys
Virhe budjetti

PÄIVÄ 2: käytäntöjen ja tapausten analysointi

Harjoitella: Peruskojelaudan tekeminen ja tarvittavien hälytysten asettaminen

Harjoitella: SLO/SLI + -hälytysten lisääminen kojelautaan

Harjoitella: Ensimmäinen järjestelmän lataus

Tapauksen 1 ratkaisu: loppupään riippuvuus.

Suuressa järjestelmässä on monia toisistaan riippuvaisia palveluita, eivätkä ne aina toimi yhtä hyvin. Se on erityisen ärsyttävää, kun palvelusi on kunnossa, mutta naapuri, josta olet riippuvainen, menee ajoittain alas.

Koulutusprojekti löytää itsensä juuri tällaisissa olosuhteissa ja varmistat, että se tuottaa edelleen laatua korkeimmalla mahdollisella tasolla.

PÄIVÄ 3: AMA-istunto, kysymyksiin vastattu

Pääsy 2. teoreettiseen moduuliin avautuu:

Ympäristö- ja arkkitehtuuriongelmien ratkaiseminen

Toinen moduuli on rakennettu kahden tapauksen ratkaisemisen ympärille: alkupään riippuvuus ja arkkitehtoniset ongelmat. Puhujat puhuvat tapausten hallinnasta, palokunnan säännöistä ja työskentelystä post mortemien kanssa sekä tarjoavat malleja, joita voit käyttää tiimissäsi.

Aihe 3: Tapahtumahallinta

Resilience Engineering
Kuinka palokunta muodostuu
Kuinka tehokas tiimisi on tapahtumassa?
7 sääntöä tapahtuman johtajalle
5 sääntöä palomiehelle
HiPPO - eniten palkatun henkilön mielipide. Viestintäjohtaja

TTeema 4: Varrum-työkalut ja hälytysten hallinta.

Muiden yritysten paras käytäntö tapahtumahallinnan järjestämisessä.

PÄIVÄ 4: käytäntöjen ja tapausten analysointi

Ratkaisu tapaukseen 2: ylävirran riippuvuus.

Se on yksi asia, kun olet riippuvainen palvelusta, jolla on alhainen SLO. Se on toinen asia, jos palvelusi on sama järjestelmän muissa osissa. Näin tapahtuu, jos arviointikriteerit eivät ole johdonmukaisia: esimerkiksi vastaat pyyntöön sekunnissa ja pidät sitä onnistuneena, mutta riippuvainen palvelu odottaa vain 500 Moskovan aikaa ja lähtee virheellä.

Tapauksessa pohditaan mittareiden harmonisoinnin tärkeyttä ja opitaan katsomaan laatua asiakkaan silmin.

Ratkaisu tapaukseen 3: ongelmat tietokannassa.

Tietokanta voi myös aiheuttaa ongelmia. Jos et esimerkiksi valvo replikaation välitystä, replika vanhenee ja sovellus palauttaa vanhat tiedot. Lisäksi tällaisten tapausten virheenkorjaus on erityisen vaikeaa: nyt tiedot ovat epäjohdonmukaisia, mutta muutaman sekunnin kuluttua ne eivät ole enää johdonmukaisia, eikä ole selvää, mikä ongelman syy on.

Tapauksen kautta tunnet kaiken virheenkorjauksen aiheuttaman kivun ja opit estämään tällaiset ongelmat.

Harjoitella: Kirjoitamme post mortemin edellisestä tapauksesta ja keskustelemme siitä puhujien kanssa.

PÄIVÄ 5: AMA-istunto, kysymyksiin vastattu

AMA-istunto ja vastauksia aiempia aiheita koskeviin kysymyksiin.

Pääsy 3. teoreettiseen moduuliin avautuu:

Liikenteen suojaus ja kanarianvapautukset

Kolmannessa moduulissa analysoimme tapausta, joka on omistettu ympäristöongelmalle (Terveys on yksityiskohtainen analyysi Tarkastus), ja analysoimme myös vaiheittain, kuinka SRE otetaan käyttöön yrityksissä ja opimme kokemuksia niistä yrityksistä, joissa puhujat työskentelevät. intensiivinen

Aihe 5: Terveystarkastus

Terveystarkastus Kubernetesissa
Onko palvelumme vielä elossa?
Exec koettimet
InitialDelaySeconds
Toissijainen terveysportti
Sivuvaunun terveyspalvelin
Päätön anturi
Hardware Probe

Aihe 6: Käyttöönottotavat

Aihe 7: SRE-projektiin perehtyminen

Suuret yritykset muodostavat usein erillisen SRE-tiimin, joka ottaa tukeakseen muiden osastojen palvelut. Mutta kaikki palvelut eivät ole valmiita ottamaan vastaan tukea. Kerromme sinulle, mitä vaatimuksia sen tulee täyttää. Puhujat kertovat myös kokemuksistaan, kuinka he toteuttivat SRE: n ja mitä virheitä he tekivät.

PÄIVÄ 6: käytäntöjen ja tapausten analysointi

Ratkaisu tapaukseen 4: ympäristössä on ongelma, lippujen ostaminen on mahdotonta.

Healthcheckin tehtävänä on havaita rikkinäinen palvelu ja estää liikenne siihen. Ja jos luulet, että tätä varten riittää, että teet pyynnön palvelulle juurilla ja saat vastauksen, niin sinä olet väärässä: vaikka palvelu vastaisi, tämä ei takaa sen toimintaa - ongelmia voi ilmetä ympäristö.

Tämän tapauksen avulla opit määrittämään oikean Healthcheckin etkä päästä liikennettä sinne, missä sitä ei voida käsitellä.

Yhteenveto

Tunnisteet pilvi

Miscellanea

luokitus

näkymät

Kommentit