Inżynierowie SRE i konsultanci niezawodności chmury

Inżynierowie SRE pomagają mierzyć jakość działania usług, gdy dashboardy nie wyjaśniają błędów odczuwanych przez użytkowników. Porównują telemetrię z zachowaniem aplikacji i wskazują luki w wykrywaniu incydentów.

• SLI i SLO: Definiują wskaźniki dostępności i opóźnień oraz ustalają budżety błędów, które stanowią podstawę decyzji o kolejnych wdrożeniach.
• Monitoring i alertowanie: Konfigurują Prometheus i Grafana lub rozwijają istniejący monitoring. Dostosowują alerty do objawów wymagających reakcji, a ślady OpenTelemetry służą im do badania awarii obejmujących wiele usług.

Konsultanci niezawodności infrastruktury chmurowej oceniają, gdzie awaria zależności lub wyczerpanie zasobów może przerwać działanie usługi. Przeglądają architekturę AWS lub Azure i ustalają priorytety zmian zgodnie z celami odtwarzania oraz ograniczeniami operacyjnymi.

W Kubernetes konfigurują żądania i limity zasobów, a następnie sprawdzają automatyczne skalowanie pod obciążeniem. Przegląd obejmuje izolację domen awarii oraz limity czasu oczekiwania na zależności. Kontrolowane testy awarii pozwalają zweryfikować działanie redundancji. Testowanie systemów produkcyjnych wymaga wcześniejszego uzgodnienia zabezpieczeń.

Inżynier SRE wspiera utrzymanie usług, gdy powtarzające się incydenty zajmują czas zespołu lub procedury odtwarzania pozostają niesprawdzone. Bada awarie na podstawie logów i śladów, a w analizach po incydentach dokumentuje przyczyny oraz działania naprawcze.

Przygotowuje instrukcje operacyjne z konkretnymi krokami i weryfikuje odtwarzanie kopii zapasowych względem celów RTO i RPO. Może wspierać istniejącą rotację dyżurów oraz ćwiczyć przełączenie awaryjne z właścicielami aplikacji. Zakres dyżurów i odpowiedzialność za eskalacje są uzgadniane dla danego zadania.

Inżynierowie SRE ograniczają powtarzalne czynności produkcyjne przez automatyzację i utrzymanie infrastruktury jako kodu. W Terraform dodają kontrole poprawności oraz wykrywanie rozbieżności konfiguracji. W potokach GitHub Actions konfigurują warunki dopuszczenia wdrożenia zależne od stanu usługi.

Analizują różnice między środowiskami i zastępują ręczne kroki przywracania działania skryptami poddawanymi przeglądowi kodu. Przy częstych wydaniach wdrażają mechanizm canary oraz warunki wycofania zmian. Testy obciążeniowe sprawdzają założenia dotyczące przepustowości przed wdrożeniem, według progów powiązanych z uzgodnionymi celami niezawodności.