Курс SRE — видеозапись

Мова викладання в курсі — російська. Незабаром буде доступна українська версія цього курсу.

Видеозаписи лекций без обратной связи и участия преподавателя. Вы получите доступ к материалам сразу после оплаты.

На курсе 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, DoS-атаки. Разберетесь в устойчивости, error budget, практике тестирования, управлении прерываниями и операционной
нагрузкой.

Чинить

Организуете работу группы по ликвидации аварии в минимальные сроки: подключение коллег, оповещение интересантов (stakeholders), выстраивание приоритетов. Имитация реальных условий: восстановление работоспособности 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.

Требования:

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

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-Call
— 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

Тема №12: Самостоятельная работа и ревью

— Реальные кейсы
— Проверка спикерами