SRE — обеспечение надёжности систем

Программа курса

Ознакомьтесь с программой курса «SRE — обеспечение надёжности систем» от Яндекс Практикум - practicum.yandex.ru

1. Введение в SRE. Пройдёте тесты и квизы, чтобы закрепить свои знания о практиках и подходах SRE.
2. Симптомы «пожара». Определите SLI и максимальный SLO с учётом SLO описанных зависимостей приложения. Посчитаете допустимое время даунтайма приложения.
3. Как узнать о «пожаре»: наблюдаемость. Настроите локальный экземпляр Grafana Loki, отправите тестовые логи через API Loki и визуализируете их в Grafana.
4. Как узнать о «пожаре»: метрики. Развернёте локально экземпляр Prometheus или Grafana Mimir и запустите тестовое приложение. Соберёте метрики в Prometheus или Grafana Mimir, визуализируете их в дашборде Grafana и настроите тестовый алерт на стороне Prometheus.
5. Что делать во время «пожара». Поучаствуете в ролевой игре по расследованию инцидента.
6. Что делать после «пожара». Поучаствуете в ролевой игре по созданию постмортема и просчёту потери времени простоя.
7. Как снизить риски будущих «пожаров»: отказоустойчивость. Определите RTO/RPO, предложите свой вариант развёртывания и примените лучшие практики для него.
8. Как снизить риски будущих «пожаров»: надежность. Составите план реакции на инциденты, примените методы продакшн‑тестирования.
9. Как снизить время устранения «пожара». Предложите решения для флапающего и False/Positive алертов, а также для алерта о заканчивающемся месте на диске. Для предложенных алертов определите критичность и severity.
10. Сломанный бизнес-процесс: когда мониторинга недостаточно. Научитесь определять, где именно сломан бизнес‑процесс, когда все метрики в порядке.

Чему вы научитесь

• Научитесь узнать о «пожаре» метрики. развернёте локально экземпляр prometheus или grafana mimir и запустите тестовое приложение. соберёте метрики в prometheus или grafana mimir, визуализируете их в дашборде grafana и…
• Научитесь снизить риски будущих «пожаров» отказоустойчивость. определите rto/rpo, предложите свой вариант развёртывания и примените лучшие практики для него.
• Научитесь узнать о «пожаре» наблюдаемость. настроите локальный экземпляр grafana loki, отправите тестовые логи через api loki и визуализируете их в grafana.
• Научитесь снизить риски будущих «пожаров» надежность. составите план реакции на инциденты, примените методы продакшн‑тестирования.
• Освоите и сможете применять: симптомы «пожара». определите sli и максимальный slo с учётом slo описанных зависимостей приложения. посчитаете допустимое время даунтайма приложения.