Мнение Программного комитета о докладе
Сергей Киселев, специалист с 15-летним опытом в эксплуатации, препарирует один эпичный инцидент и даст рекомендации, как не допустить подобного у себя.
Практики SRE на примере большого инцидента
Доклад принят в программу конференции
Целевая аудитория
SRE, разработчики, инженеры по эксплуатации, инцидент-менеджеры, техлиды.
Тезисы
В условиях высокой нагрузки на сервисы и сложных технических проблем важно иметь эффективные практики для быстрого устранения инцидентов. Я хочу поделиться опытом решения кризисных ситуаций на примере одного из моих инцидентов, связанного с DNS, облачной инфраструктурой и человеческим фактором.
Поговорим о следующем:
* Фиксация истории релизов и ведение внутренних чендждлогов.
* Правильное выкатывание опасных изменений с использованием метрик.
* Что делать если откат не работает и нет инструментов для починки.
* Ведение лога разбора инцидента и фиксация промежуточных действий.
* Как жить без тестового контура и проверять изменения наживую.
* Работа с горящими пользователями и тревожным руководством.
* Использование аудиторов для оценки процесса разрешения проблем.
* Как правильно строить процессы разработки.
* Обратная связь от экспертных пользователей.
Главный по Development Platform в MWS Cloud Platform для разработчиков на Golang и Kotlin/Java. Отвечает за процесс найма разработчиков. Более десяти лет занимался инфраструктурой в Яндексе и делал managed-сервисы в Yandex Cloud. Разрабатывал внутренние библиотеки и инфраструктуру для других команд. В целом большой опыт разработки проектов в области дистанционного обучения, медицины, интернет-поиска, облачной инфраструктуры.
Видео
Другие доклады секции
SRE и эксплуатация систем
