Skip to Content
Kezdőlap / DevOps / SRE és megbízhatóság
SRE · megbízhatóság

SRE: stabil működés, mérhető célokkal.

Üzleti szempontú megbízhatósági célokat állítunk fel, hibakerettel egyensúlyozunk a fejlesztés és a stabilitás között, és begyakoroljuk az incidenskezelést – mielőtt élesben kellene.

  • SLO és hibakeret
  • Begyakorolt incidenskezelés
  • Hibáztatás nélküli okelemzés
#inc-2291 · checkoutincidens-csatornaszemléltető
SLO
SLO-figyelő

A checkout hibakerete gyorsan fogy: az égési ráta 6× a megengedett. Ügyelet riasztva.

P2 · checkout-apirunbook csatolva
ÜM
Ügyeletes mérnök

Átvettem. A 13:55-ös kiadás óta nőtt a hibaarány – visszaállítom.

SLO
SLO-figyelő

Helyreállt. Hibaarány a cél alatt, a felhasználók 0,3%-át érintette.

✓ helyreállt · 7 percokelemzés: holnap 10:00

Szemléltető példa – nem ügyféladat.

Kiindulópont

Ismerős helyzet?

Így szokott kezdődni – és ezekre a helyzetekre építjük a megoldást.

Így oldjuk meg
#csapatma · 3 új üzenetszemléltető
ÜV
Ügyvezető

Már megint leállt. Mennyire megbízható ez a rendszer egyáltalán?

⚠ Nincs mérhető cél
FV
Fejlesztési vezető

Az üzemeltetés minden kiadást megfog, mert fél a leállástól.

⚠ Sebesség kontra stabilitás
ÜG
Ügyeletes

Hajnali három, leállás, és senki nem tudja, kinek kell szólni.

⚠ Rögtönzött incidenskezelés
DX
Devertix
Mit kap?

Amit bevezetünk

A Google által kidolgozott SRE-gyakorlat, a cég méretéhez igazítva.

SLI és SLO

Mérhető megbízhatósági célok a felhasználó szemszögéből.

Hibakeret

Közös szabály: mikor mehet gyorsan a fejlesztés, mikor a stabilitás az első.

Incidenskezelés

Szerepek, eszkaláció, kommunikáció – begyakorolva.

Okelemzés

Hibáztatás nélküli postmortem és megelőző javítások.

Rezilienciateszt

Káosztesztek és katasztrófa-helyreállítási próbák.

Toil csökkentése

Ismétlődő kézi üzemeltetési munka automatizálása.

Lépésről lépésre

Az SRE lépésről lépésre

A mérhető céloktól a begyakorolt helyreállításig.

SLI és SLO – szemléltető ábra, kitalált adatokkalszemléltető
01

SLI és SLO

Kiválasztjuk, mi számít a felhasználónak – elérhetőség, válaszidő, hibaarány –, és ezekre mérhető célt tűzünk ki. A cél nem a 100%, hanem amit az üzlet valóban igényel.

  • Felhasználói szempontú mutatók
  • Reális, üzleti célok
  • Mérés a meglévő megfigyelésből
Hibakeret – szemléltető ábra, kitalált adatokkalszemléltető
02

Hibakeret

Az SLO-ból hibakeret következik: amíg van keret, a csapat gyorsan adhat ki; ha fogy, a stabilitás kerül előtérbe. Ez a közös szabály véget vet a fejlesztés és az üzemeltetés vitájának.

  • Égési ráta alapú riasztás
  • Közös döntési szabály
  • Havi áttekintés
Incidenskezelés – szemléltető ábra, kitalált adatokkalszemléltető
03

Incidenskezelés

Szerepeket, eszkalációs rendet és kommunikációs sablont vezetünk be, és gyakorlatokon begyakoroljuk. Így egy hajnali leállásnál mindenki tudja, mi a dolga.

  • Szerepek és eszkaláció
  • Kommunikáció és státuszoldal
  • Incidens-gyakorlatok
Okelemzés és reziliencia – szemléltető ábra, kitalált adatokkalszemléltető
04

Okelemzés és reziliencia

Minden jelentős incidens után hibáztatás nélküli okelemzés készül, a tanulságokból javítás lesz. Káosztesztekkel és DR-próbákkal ellenőrizzük, hogy a rendszer valóban kibírja a hibákat.

  • Postmortem és megelőzés
  • Káosztesztek
  • DR-próba
Architektúra

A megbízhatósági kör

A szolgáltatás jelzéseiből SLI-k lesznek; az SLO és a hibakeret alapján riasztunk, az incidens begyakorolt rend szerint zajlik, a tanulságok pedig a javítási backlogba kerülnek.

SRE: felhasználók, szolgáltatás, SLI-gyűjtés, SLO és hibakeret, rezilienciateszt, ügyelet, incidens-csatorna, okelemzés, javítási backlog és fejlesztőcsapat, titkosított kapcsolatokkal
SLOa felhasználó szemszögéből
Hibakeretközös döntési szabály
Postmortemhibáztatás nélkül
DR-próbabegyakorolt helyreállítás
Előtte és utána

Üzemeltetés – rögtönözve és SRE-vel

MA
  • „Mindig működjön” – mérhető cél nélkül
  • Vita a fejlesztés és az üzemeltetés között
  • Rögtönzött hibaelhárítás hajnalban
  • Ugyanaz a hiba újra és újra
→
DEVERTIX
  • Mérhető SLO-k, üzleti alapon
  • Hibakeret: közös döntési szabály
  • Begyakorolt szerepek és eszkaláció
  • Okelemzés és megelőző javítás
Felhasználási példák

Kinek ajánljuk?

Webshop és SaaS

Bevételt termelő rendszer

Minden perc leállás pénzbe kerül.

Gyorsan növő csapat

Sebesség és stabilitás

Hibakerettel mindkettő megvan.

Szabályozott iparág

Rezilienciakövetelmények

Bizonyítható helyreállítási képesség.

Gyakori incidensek

Megelőzés

Okelemzés és javítás rendszerben.

Ügyelet indul

24/7 felkészülés

Szerepek, runbookok, gyakorlatok.

Platformcsapat

SRE-gyakorlat bevezetése

Coaching és közös munka.

Technológia

Amiből építkezünk

Mérés

  • Prometheus
  • Grafana SLO
  • OpenTelemetry

Riasztás és ügyelet

  • Alertmanager
  • PagerDuty / Jira Service Management
  • Microsoft Teams

Reziliencia

  • AWS Fault Injection Service
  • Chaos Mesh
  • DR-runbookok

Gyakorlat

  • SLO-workshop
  • Postmortem-sablon
  • Incidens-gyakorlat
Biztonság és adat

Átlátható megbízhatóság

  • SLO-riport a vezetőségnek
  • Dokumentált incidensek és okelemzések
  • Világos szerepek és felelősök
  • Rendszeres helyreállítási próba
GYIK

Gyakori kérdések

Mi a különbség az SRE és a hagyományos üzemeltetés között?

Az SRE mérhető célokkal (SLO) és mérnöki eszközökkel dolgozik: automatizál, hibakerettel dönt, és minden incidensből tanul. A hagyományos üzemeltetés gyakran reaktív, és a stabilitást a változások lassításával éri el.

Mi a hibakeret?

Ha a cél 99,9% elérhetőség, akkor 0,1% a megengedett hiba – ez a hibakeret. Amíg van belőle, a csapat bátran adhat ki; ha elfogy, a stabilitás kerül előtérbe.

Kell ehhez külön SRE-csapat?

Nem feltétlenül. Kisebb cégeknél az SRE-gyakorlatot a meglévő csapat vezeti be, mi coachinggal és közös munkával segítünk; igény esetén az ügyeletet is átvesszük.

Segít a rezilienciakövetelményekben?

Igen. A dokumentált SLO-k, incidensek, okelemzések és helyreállítási próbák jó bizonyítékot adnak például a pénzügyi szektor digitális működési rezilienciájáról szóló uniós rendelet (DORA) követelményeihez.

Ingyenes első egyeztetés

Beszéljük át az Ön helyzetét

Egy kötelező kérdés, a neve és az e-mail-címe – a többi mező nem kötelező.

  1. Átnézzük a válaszait.
  2. Kollégánk felveszi Önnel a kapcsolatot, és egy rövid hívásban pontosítjuk a célokat.
  3. Konkrét javaslatot adunk az első lépésre.