Лекторий по SRE

— Реальные примеры сбоев, которые повлияли на работу целых компаний

— Как работали с этими сбоями

— Чем занимается SRE-инженер

— Какие цели ставятся перед SRE

— Цели мониторинга: детектирование, понимание причин сбоя, долгосрочное планирование, выявление трендов

— Логи: структурированные и неструктурированные, логи как API

— Метрики: типы, форматы, быстро меняющиеся метрики, метрики использования ресурсов, долгосрочное хранение метрик, Downsampling, OpenMetrics

— Дашборды, алерты, триггеры, пейджи, OpenTracing, OpenTelemetry

— Способы детектирования сбоев: прямые и косвенные

— RED-метрики и четыре золотых сигнала

— Детектирование проблем до возникновения сбоя

— Как делать мониторинг SLA

— Триггеры и причины сбоев

— Необвинительная культура в SRE

— Воррумы

— Эскалация и информирование. Система управления инцидентами

— Роли при устранении: командор, коммуникатор

— Когда и зачем писать постмортемы

— Мини-разбор vs полноценный постмортем 

— Предупреждение о возможной ошибке

— Недопущение ошибок

— Нечувствительность к ошибкам

— Учения, отработка действий

— Как создать устойчивый к сбою и пригодный к диагностике код

— Суть работы с состояниями

— CAP-теорема

— Проектирование работы во время сбоев

— Продакшен-встреча

— Дежурства и расписания

— Взаимодействие команд

— Правильная организация алертов

— Антипаттерны

— Предпродовое и продакшен-тестирование

— Проберы

— Стресс-тестирование

— Хаос-инжиниринг

— Мирроринг

— Протестовые среды

— Web, Mobile, Desktop

— Ограничения

— Конфигурирование приложения