Скачать SRE-Инженер

[Aleks]

SRE-Инженер​

SRE-Инженер​

Авторы: Иван Круглов, Павел Селиванов, Артём Артемьев​

Курс скачан из открытых интернет-источников. Авторские права на продукты принадлежат только их владельцам. Основная цель сайта — это предоставление пользователям бесплатного материала для самостоятельного обучения. Если вы заметили нарушение своих авторских прав, то вы можете связаться с нами для удаления вашего продукта с нашего сайта.
С Уважением,
Администрация проекта.


ОПИСАНИЕ:
Вы погрузитесь в теорию и практику SRE: будете поддерживать сайт, состоящий из нескольких микросервисов.
Научитесь правильно распределять ограниченные ресурсы для обеспечения быстродействия, отказоустойчивости и доступности сайта для максимальной надежности, достаточной, чтобы были довольны пользователи.
НА ИНТЕНСИВЕ ВЫ БУДЕТЕ:

• Строить

Сформулируете показатели SLO, SLI, SLA для сайта, состоящего из нескольких микросервисов, разработаете архитектуру и инфраструктуру, которая их обеспечит, соберете, протестируете и задеплоите сайт, настроите мониторинг и алертинг.

• Ломать

Рассмотрите внутренние и внешние факторы ухудшения SLO: ошибки разработчиков, отказы инфраструктуры, наплыв посетителей, DDoS-атаки. Разберетесь в устойчивости, error budget, практике тестирования, управлении прерываниями и операционной
нагрузкой.

• Чинить

Поймете как организовать работу группы по ликвидации аварии в минимальные сроки: подключение коллег, оповещение интересантов (stakeholders), выстраивание приоритетов. Попробуете на практике восстановить работоспособность сервиса в условиях предельно ограниченного времени.

• Изучать

Разберете подход к сайту с точки зрения SRE. Проанализируете инциденты (причины возникновения, ход устранения). Примете решение по их дальнейшему предотвращению: улучшить мониторинг, изменить архитектуру, подход к разработке и эксплуатации, регламенты. Автоматизируете процессы.
ПРАКТИКА ИНТЕНСИВА:

• Теория и практика применения SLI/SLO/error budget

— формулирование показателей;
— когда «право на ошибку» исчерпано.

• Практика проведения разбора полетов (post-mortem)

— ключевые вопросы, на которые стоит ответить;
— разбор инцидента без поиска виноватых (blameless-практики);
— выявление паттернов аварийных сценариев.

• Практика эффективной ликвидации IT-инцидентов

— алгоритм управления стрессом;
— взаимодействие между участниками инцидента;
— подход к коммуникации с пользователями, руководством, маркетингом и коллегами.

• Практика построения надежных систем:

— мониторинг и алертинг;
— выбор надежной архитектуры и коммуникаций;
— graceful degradation, failure-injection, capacity planning;
— как справляться с перегрузками и предотвращать cascading failures.

ТРЕБОВАНИЯ К УЧАСТНИКАМ:

• Свободное владение Linux;
• Любой язык программирования: уровень Junior;
• GitLab: навыки автоматизации;
• Prometheus: навыки мониторинга;
• Kubernetes: навыки работы в кластере.

Для обучения необходимы:

• – SSH-клиент,
• – наличие Docker у себя локально,
• – текстовый редактор/IDE.

ПРОГРАММА SRE:
Тема №1: Основные принципы и методы SRE

• Что нужно чтобы стать SRE?
• DevOps vs SRE
• Почему разработчики ценят SRE и очень грустят, когда в проекте их нет
• SLI, SLO и SLA
• Error budget и его роль в SRE

Тема №2: Дизайн распределенных систем

• Архитектура и функционал приложения
• Non-Abstract Large System Design
• Operability / Design for failure
• gRPC или REST
• Версионирование и обратная совместимость

Тема №3: Как принимают проект SRE

• Лучшие практики от SRE
• Чек-лист приема проекта
• Логирование, метрики, трейсинг
• Забираем CI/CD в свои руки

Тема №4: Проектирование и запуск распределенной системы

• Обратное проектирование — как работает система?
• Согласовываем SLI и SLO
• Практика capacity planning
• Запуск трафика на приложение, наши пользователи начинают им «пользоваться»
• Запускаем Prometheus, Grafana, Elastic

Тема №5: Monitoring, Observability and Alerting

• Monitoring vs. Observability
• Настраиваем мониторинг и алертинг с Prometheus
• Практический мониторинг SLI и SLO
• Symptoms vs. Causes
• Black-Box vs. White-Box Monitoring
• Распределенный мониторинг доступности приложений и серверов
• 4 золотых сигнала (обнаружение аномалий)

Тема №6: Практика тестирования надежности систем

• Работа под давлением
• Failure-injection
• Chaos Monkey

Тема №7: Практика incident response

• Алгоритм управления стрессом
• Взаимодействие между участниками инцидента
• Постмортем
• Knowledge sharing
• Формирование культуры
• Контроль неисправностей
• Проведение blameless разбора полетов

Тема №8: Практика управления нагрузкой

• Балансировка нагрузки
• Отказоустойчивость приложений: retry, timeout, failure injection, circuit breaker
• DDoS (создаем нагрузку) + Cascading Failures

Тема №9: Реагирование на инциденты

• Разбор полетов
• Практика On-
• Различные типы аварий (тестирование, изменение конфигурации, сбой оборудования)
• Протоколы управления инцидентами

Тема №10: Диагностика и решение проблем

• Журналирование
• Отладка
• Практика анализа и отладки на нашем приложении

Тема №11: Тестирование надежности систем

• Нагрузочное тестирование
• Тестирование конфигураций
• Тестирование производительности
• Canary release

Скачать: пароль к архиву boominfo.org

Для просмотра скрытого содержимого вы должны войти или зарегистрироваться.