https://github.com/eabykov/sre
Курс обучения SRE
https://github.com/eabykov/sre
chaos-testing error-budget incident monitoring mttd mttm mttr postmortem reliability sla sli slo sre stamp
Last synced: about 1 month ago
JSON representation
Курс обучения SRE
- Host: GitHub
- URL: https://github.com/eabykov/sre
- Owner: eabykov
- Created: 2022-06-02T13:36:22.000Z (almost 3 years ago)
- Default Branch: sre
- Last Pushed: 2025-01-13T13:46:26.000Z (4 months ago)
- Last Synced: 2025-01-22T07:37:42.387Z (3 months ago)
- Topics: chaos-testing, error-budget, incident, monitoring, mttd, mttm, mttr, postmortem, reliability, sla, sli, slo, sre, stamp
- Homepage: https://eabykov.github.io/sre/
- Size: 263 KB
- Stars: 3
- Watchers: 1
- Forks: 1
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
### Оглавление
1. [Основные принципы](main.md)
2. [Вопросы на собеседовании](questions.md)
### Основные термины SRE
| Термин | Значение |
|-|-|
| SLI | Текущий показатель обслуживания — 99.9% успешных запросов или 99.9% запросов обрабатываются менее чем за 1 секунду
| SLO | Цель уровня обслуживания — приложение отвечает быстрее 1 секунды в 99% случаев или сервис доступен 99,5% времени в году
| SLA | Документально утвержденная договоренность об уровне обслуживания с потребителями сервиса аналогична SLO, с возможными санкциями за нарушение или премиями за соблюдение
| Error Budget | Бюджет проблем — соотношение SLI к SLO, которое помогает разработчикам планировать выполнение задач по улучшению показателей устойчивости и задач с добавлением или изменением функциональности в сервис. Если это соотношение меньше 100%, то в приоритете проблемы с доступностью или производительностью
| Состояние Опасности | Свойство системы или набор условий, которые вместе с определенным набором наихудших обстоятельств окружающей среды приведут к инциденту
| Инцидент | Ситуация, при которой сервис выходит из нормального (стабильного) состояния, например диск базы данных заполняется с значительно большей скоростью, чем раньше, и на нем не останется места через 1 месяц, время ответа возросло с 1 сек до 2 сек, процент ошибок стал 0.4% вместо 0.06%
| Postmortem | Проработка после инцидента — это анализ произошедшего и планирование мероприятий по предотвращению повторения подобного или уменьшению его последствий
| MTTD | Время с начала инцидента до его обнаружения (командой мониторинга, сработавшее оповещение и т. д.)
| MTTR | Время с начала инцидента до полного устранения его влияния и восстановления нормальной работы сервиса
| MTTM | Время устранения влияния отличается от MTTR тем, что, возможно, есть поломка, но пользователи или партнеры не имеют проблем с нашим сервисом
| STAMP | Сиситема спроектированая на достижение безопасного состояния системы (уход от Состояние Опасности). Для понимания причин произошедшего инцидента необходимо определить, почему система управления была неэффективной. Для предотвращения будущих инцидентов необходимо переключить внимание с предотвращения инцидентов на более широкую цель - разработку и внедрение средств контроля, которые обеспечат соблюдение необходимых ограничений для безопасности.