دراپ تمپو رویکرد مهندسی قابلیت اطمینان (SRE) و پوشش آنکال را برای تیمهایی فراهم میکند که نمیتوانند تنها نگهبان سیستمهای خودشان در ساعت ۳ بامداد باشند.
درخواست ارزیابی زیرساختمهندسی 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.
بخشی از دراپ تمپو — بازدید از dropptempo.com/sre-on-call
SLO و بودجهی خطا رو با تیمتون، بر اساس چیزی که واقعاً برای کاربر اهمیت داره، تعریف میکنیم.
مانیتورینگ لازم برای اندازهگیری اون SLOها در لحظه رو اضافه میکنیم.
یک چرخهی واقعی با مسیرهای escalation روشن راهاندازی میکنیم.
حوادث رو با رانبوکهای مشخص مدیریت میکنیم، نه بداهه.
پستمورتمهایی اجرا میکنیم که به تغییرات مشخص منجر بشن و برای تیم مستندشون میکنیم.
شیفت میگیریم و بار آنکال رو تقسیم میکنیم — هدف اینه که هیچ فرد واحدی تنها خط دفاعی نباشه.
تعریفشون با تیمتون، بر اساس چیزی که واقعاً برای کاربر اهمیت داره، معمولاً اولین قدمه.
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 و پستمورتمها نوشته و به تیمتون تحویل داده میشن — نه اینکه دانشی بمونن که با رفتن یک مهندس از بین میره.