Site Reliability Engineering - Kurs 65.000 Rubel. von Slurm, Schulung, Datum 1. Januar 2024.

instagram viewer

TAG 1: AMA-Auftaktsitzung

Wir besprechen die Ziele und Zielsetzungen des Kurses, erklären Ihnen auch, was SRE ist und teilen es in Teams auf.

Eröffnung von 2 theoretischen Themen:

Thema 1: Überwachung

• Warum ist eine Überwachung erforderlich?
• Perzentile
• Alarmierung
• Beobachtbarkeit

Thema 2: SRE-Theorie

• SLO, SLI, SLA
• Haltbarkeit
• Fehlerbudget

TAG 2: Analyse von Praktiken und Fällen

Üben: Erstellen eines einfachen Dashboards und Einrichten der erforderlichen Warnungen

Üben: Hinzufügen von SLO/SLI+-Warnungen zum Dashboard

Üben: Erste Systemlast

Lösung für Fall 1: Downstream-Abhängigkeit.

In einem großen System gibt es viele voneinander abhängige Dienste, die nicht immer gleich gut funktionieren. Besonders ärgerlich ist es, wenn Ihr Dienst in Ordnung ist, der Nachbardienst, auf den Sie angewiesen sind, jedoch regelmäßig ausfällt.

Das Bildungsprojekt befindet sich in genau diesen Bedingungen und Sie stellen sicher, dass es weiterhin Qualität auf höchstem Niveau produziert.

TAG 3: AMA-Sitzung, Fragen beantwortet

Der Zugang zum 2. Theoriemodul öffnet sich:

Probleme mit Umwelt und Architektur lösen

Das zweite Modul konzentriert sich auf die Lösung zweier Fälle: Upstream-Abhängigkeit und Architekturprobleme. Referenten sprechen über Störfallmanagement, Regeln für die Feuerwehr und die Arbeit mit Obduktionen und stellen Vorlagen zur Verfügung, die Sie in Ihrem Team nutzen können.

Thema 3: Incident Management

• Resilienztechnik
• Wie eine Feuerwehr entsteht
• Wie effektiv ist Ihr Team bei dem Vorfall?
• 7 Regeln für einen Einsatzleiter
• 5 Regeln für einen Feuerwehrmann
• HiPPO – Meinung der bestbezahlten Person. Kommunikationsleiter

TThema 4: Varrum-Tools und Alarmmanagement.

Best Practice anderer Unternehmen bei der Organisation des Incident Managements.

TAG 4: Analyse von Praktiken und Fällen

Lösung für Fall 2: Upstream-Abhängigkeit.

Es ist eine Sache, wenn Sie auf einen Dienst mit einem niedrigen SLO angewiesen sind. Eine andere Sache ist es, wenn Ihr Service für andere Teile des Systems derselbe ist. Dies geschieht, wenn die Bewertungskriterien nicht konsistent sind: Sie antworten beispielsweise innerhalb einer Sekunde auf eine Anfrage und betrachten sie als Erfolg, der abhängige Dienst wartet jedoch nur 500 Moskauer Zeit und verlässt den Dienst mit einem Fehler.

In diesem Fall werden wir die Bedeutung der Harmonisierung von Kennzahlen besprechen und lernen, Qualität aus der Sicht des Kunden zu betrachten.

Lösung zu Fall 3: Probleme mit der Datenbank.

Auch die Datenbank kann eine Quelle von Problemen sein. Wenn Sie beispielsweise das Replikations-Relay nicht überwachen, ist das Replikat veraltet und die Anwendung gibt alte Daten zurück. Darüber hinaus ist das Debuggen in solchen Fällen besonders schwierig: Jetzt sind die Daten inkonsistent, aber nach ein paar Sekunden sind sie nicht mehr konsistent und es ist nicht klar, was die Ursache des Problems ist.

Durch den Fall werden Sie den ganzen Schmerz des Debuggens spüren und lernen, wie Sie solche Probleme verhindern können.

Üben: Wir verfassen eine Obduktion zum vorangegangenen Fall und besprechen diese mit den Referenten.

TAG 5: AMA-Sitzung, Fragen beantwortet

AMA-Sitzung und Antworten auf Fragen zu früheren Themen.

Der Zugang zum 3. Theoriemodul öffnet sich:

Verkehrsabschirmung und kanarische Freisetzungen

Im dritten Modul analysieren wir einen Fall, der sich mit einem Problem mit der Umwelt befasst (es wird eine detaillierte Gesundheitsanalyse geben). Darüber hinaus analysieren wir Schritt für Schritt, wie sich SRE in Unternehmen umsetzen lässt, und lernen die Erfahrungen der Unternehmen kennen, in denen die Referenten tätig sind intensiv

Thema 5: Gesundheitsprüfung

• Gesundheitscheck in Kubernetes
• Gibt es unseren Dienst noch?
• Exec-Sonden
• InitialDelaySeconds
• Sekundärer Gesundheitshafen
• Sidecar-Gesundheitsserver
• Kopflose Sonde
• Hardware-Sonde

Thema 6: Bereitstellungsmethoden

Thema 7: SRE-Projekt-Onboarding

Große Unternehmen bilden häufig ein eigenes SRE-Team, das zur Unterstützung die Dienste anderer Abteilungen in Anspruch nimmt. Doch nicht jeder Dienst ist bereit, zur Unterstützung angenommen zu werden. Wir verraten Ihnen, welche Anforderungen es erfüllen muss. Die Referenten berichten außerdem von ihren Erfahrungen, wie sie SRE umgesetzt haben und welche Fehler sie gemacht haben.

TAG 6: Analyse von Praktiken und Fällen

Lösung für Fall 4: Es liegt ein Umweltproblem vor, es ist unmöglich, Tickets zu kaufen.

Die Aufgabe von Healthcheck besteht darin, einen fehlerhaften Dienst zu erkennen und den Datenverkehr zu diesem zu blockieren. Und wenn Sie der Meinung sind, dass es dafür ausreicht, mit Root eine Anfrage an den Dienst zu stellen und eine Antwort zu erhalten, dann sind Sie genau richtig Sie irren sich: Auch wenn der Dienst antwortet, garantiert dies nicht seinen Betrieb – es können Probleme auftreten Umfeld.

Anhand dieses Falls erfahren Sie, wie Sie den richtigen Healthcheck konfigurieren und verhindern, dass Datenverkehr dorthin gelangt, wo er nicht verarbeitet werden kann.

Zusammenfassend