درباره‌ی مهندسی قابلیت اطمینان (SRE) و پشتیبانی آنکال

مهندسی قابلیت اطمینان یعنی با عملیات مثل یک مسئله‌ی نرم‌افزاری برخورد کنیم: تعریف اهداف سطح سرویس (SLO)، ساختن ابزارهایی برای اندازه‌گیری آن‌ها، و داشتن یک چرخه‌ی آنکال واقعی پشت آن‌ها، نه فقط تلفن همراه یک مهندس. در دراپ تمپو، SRE و آنکال با هم پیش می‌روند: SLO و بودجه‌ی خطا را با تیم شما تعریف می‌کنیم، سیستم‌هایی که باید رصد شوند را ابزارمند می‌کنیم، و شیفت‌های آنکال را می‌گیریم تا پاسخ به حوادث در چند دقیقه اتفاق بیفتد، نه هر وقت کسی تصادفاً متوجه شود. رانبوک‌ها و پست‌مورتم‌ها مکتوب می‌شوند و به تیم شما تحویل داده می‌شوند، نه اینکه دانشی ضمنی باقی بمانند که با رفتن یک مهندس از بین می‌رود.

این سرویس برای کیه

چه چیزی شامل می‌شه

بخشی از دراپ تمپو — بازدید از dropptempo.com/sre-on-call

فرآیند کار ما

1

تعریف

SLO و بودجه‌ی خطا رو با تیمتون، بر اساس چیزی که واقعاً برای کاربر اهمیت داره، تعریف می‌کنیم.

2

ابزارمندسازی

مانیتورینگ لازم برای اندازه‌گیری اون SLOها در لحظه رو اضافه می‌کنیم.

3

راه‌اندازی آنکال

یک چرخه‌ی واقعی با مسیرهای escalation روشن راه‌اندازی می‌کنیم.

4

پاسخ‌دهی

حوادث رو با رانبوک‌های مشخص مدیریت می‌کنیم، نه بداهه.

5

بازبینی

پست‌مورتم‌هایی اجرا می‌کنیم که به تغییرات مشخص منجر بشن و برای تیم مستندشون می‌کنیم.

سوالات متداول

مهندسان ما رو جایگزین می‌کنید یا پشتیبانیشون می‌کنید؟

شیفت می‌گیریم و بار آنکال رو تقسیم می‌کنیم — هدف اینه که هیچ فرد واحدی تنها خط دفاعی نباشه.

اگه هنوز SLO تعریف نکرده باشیم چی؟

تعریفشون با تیمتون، بر اساس چیزی که واقعاً برای کاربر اهمیت داره، معمولاً اولین قدمه.

پاسخ به حادثه چقدر سریعه؟

زمان پاسخ به SLAهایی که با هم تعریف می‌کنیم گره خورده — هدف یک چرخه‌ی واقعی اینه که پاسخ در چند دقیقه اتفاق بیفته، نه هروقت کسی متوجه بشه.

رانبوک‌ها رو مستند می‌کنید یا دانش رو غیررسمی نگه می‌دارید؟

رانبوک‌ها و پست‌مورتم‌ها نوشته و به تیمتون تحویل داده می‌شن — نه اینکه دانشی بمونن که با رفتن یک مهندس از بین می‌ره.

نیاز خود را به ما بگویید، ما در اولین فرصت با شما تماس خواهیم گرفت.

موفقیت آمیز
پیام شما با موفقیت ارسال شد. به زودی با شما تماس خواهیم گرفت.
خطا
خطایی رخ داد. لطفا مجدداً تلاش کنید.
خطا