SRE: data-driven подход к управлению надежностью систем

Курс нужен инженеру, который уже отвечает за живой сервис и устал разбирать каждый новый сбой с нуля. Три недели вы работаете SRE-командой на учебном сервисе кинотеатра: задаёте SLI, SLO и SLA, настраиваете мониторинг и алертинг. Дальше сервис ломают. Ошибками разработчиков, отказами инфраструктуры, наплывом посетителей, DoS-атаками — и на ухудшающихся показателях вы разбираете устойчивость, error budget и управление операционной нагрузкой. Курс нужен инженеру, у которого уже есть свой продакшен и накопились вопросы к его надёжности: тимлиду он даёт общий язык метрик и процедуру разбора инцидентов. Три недели идут на учебном сервисе кинотеатра.

Приложение написано на Python и работает с MySQL, развёрнуто микросервисами в кластерах Kubernetes школы — доступ к ним выдают, чтобы вы устраняли аварии. Язык выбран нарочно простым. Вникать нужно не в код, а в практики, и они переносятся на любой другой стек. Отдельная часть работы идёт под давлением и в жёстко ограниченное время: распределение ролей, оповещение заинтересованных, приоритеты при восстановлении. В Беларуси инженерные вакансии собраны почти целиком в Минске, работают в штате на полный день, а заметная часть объявлений ждёт трёх лет опыта и больше. Практики переносятся на любой стек и язык приложения. Практики SLO и postmortem переносятся на любой стек, поэтому курс работает как надстройка над уже имеющейся эксплуатацией, а не как первый шаг в инженерную профессию. Приложение на Python и MySQL развёрнуто в Kubernetes школы.