Corso di Site Reliability Engineering

Lezione 1 • Struttura e ruoli del team SRE

Esamina come i team SRE sono organizzati, dimensionati e inseriti nelle organizzazioni. Chiarisce i confini di ruolo con i team di sviluppo e piattaforma.

Lezione 2 • Concetti e terminologia chiave dell'SRE

Definisce SLI, SLO, SLA, error budget e toil. Un vocabolario condiviso consente una comunicazione precisa tra i team di ingegneria e di business.

Lezione 3 • Cultura della reliability e incentivi

Esplora la sicurezza psicologica, la cultura blameless e l'allineamento degli incentivi. Le basi culturali determinano se le pratiche tecniche avranno successo o falliranno.

Lezione 1 • Politica e gestione degli error budget

Definisce come gli error budget sono calcolati, tracciati e applicati. Gli error budget traducono obiettivi astratti di reliability in decisioni ingegneristiche attuabili.

Lezione 2 • Stabilire obiettivi SLO realistici

Tratta la negoziazione, la baseline e il perfezionamento iterativo dei valori SLO. Gli obiettivi devono bilanciare le aspettative degli utenti con la fattibilità ingegneristica.

Lezione 3 • Scegliere SLI significativi

Guida la selezione di metriche che riflettono accuratamente l'esperienza utente. Una scelta inadeguata degli SLI mina l'intero sistema di misurazione della reliability.

Lezione 1 • Gestione della reperibilità e runbook

Struttura i turni di reperibilità, i percorsi di escalation e la creazione di runbook. Pratiche di reperibilità efficaci riducono il tempo medio di risoluzione e il burnout degli ingegneri.

Lezione 2 • Pilastri dell'osservabilità: metriche, log, tracce

Introduce i tre pilastri dell'osservabilità e i loro ruoli complementari. Comprendere ciascun pilastro previene l'eccessivo affidamento su una singola fonte di dati.

Lezione 3 • Architettura del sistema di monitoraggio

Esamina architetture di monitoraggio scalabili, inclusi i modelli push vs. pull e l'archiviazione a lungo termine. Le scelte architetturali influenzano costi, reliability e prestazioni delle query.

Lezione 4 • Strumentazione e raccolta dati

Tratta le tecniche di strumentazione a livello di codice e di infrastruttura. Una corretta strumentazione è il prerequisito per un'osservabilità significativa.

Lezione 1 • Tecniche di diagnosi e mitigazione

Insegna la diagnosi sistematica utilizzando dati di osservabilità e debugging guidato da ipotesi. Una mitigazione rapida limita l'impatto sugli utenti mentre l'analisi della causa radice continua.

Lezione 2 • Comando e coordinamento degli incidenti

Tratta i ruoli di incident commander, responsabile della comunicazione e scriba. Un'assegnazione chiara dei ruoli previene la confusione e accelera la risoluzione durante eventi ad alto stress.

Lezione 3 • Postmortem blameless

Guida la scrittura e la facilitazione di postmortem blameless che producono miglioramenti attuabili. I postmortem sono il meccanismo principale per l'apprendimento organizzativo.

Lezione 4 • Classificazione e gravità degli incidenti

Definisce i livelli di gravità, i criteri di impatto e le procedure di triage. Una classificazione coerente garantisce una risposta e un'allocazione delle risorse proporzionate.

Lezione 1 • Principi di progettazione dell'automazione

Tratta i requisiti di idempotenza, sicurezza e osservabilità per l'automazione operativa. Un'automazione mal progettata crea nuove modalità di guasto peggiori del toil che sostituisce.

Lezione 2 • Misurare l'efficacia dell'automazione

Traccia la riduzione del toil, la copertura dell'automazione e i tassi di guasto dei sistemi automatizzati. La misurazione convalida l'investimento in automazione e fa emergere le regressioni.

Lezione 3 • Automatizzare i flussi di lavoro operativi

Applica l'automazione a compiti SRE comuni come distribuzioni, ridimensionamento e bonifica. L'automazione dei flussi di lavoro libera gli ingegneri per un lavoro di reliability a maggior valore.

Lezione 4 • Fondamenti di Infrastructure as Code

Introduce il provisioning dichiarativo dell'infrastruttura e la gestione della configurazione. L'IaC è la base per un'automazione dell'infrastruttura riproducibile e verificabile.

Lezione 1 • Feature flag e dark launch

Tratta l'architettura dei feature flag, le regole di targeting e l'igiene operativa. I flag disaccoppiano la distribuzione dal rilascio, consentendo una sperimentazione più sicura.

Lezione 2 • Principi di release engineering

Stabilisce riproducibilità, build ermetiche e policy-as-code per i rilasci. Un release engineering solido previene la deriva di configurazione e i problemi della catena di fornitura.

Lezione 3 • Integrazione continua e distribuzione

Tratta la progettazione della pipeline di CI, i test gate e l'ottimizzazione della frequenza di distribuzione. Una frequenza di distribuzione elevata con quality gate riduce la dimensione del batch e il blast radius.

Lezione 4 • Strategie di rollback e rollforward

Definisce criteri e meccanismi per decisioni rapide di rollback e rollforward. Una capacità di rollback affidabile è la rete di sicurezza per tutte le strategie di distribuzione.

Lezione 1 • Tecniche di modellazione della capacità

Introduce modelli di utilizzo delle risorse, basi di teoria delle code e obiettivi di margine di sicurezza. I modelli traducono le previsioni della domanda in decisioni concrete di provisioning.

Lezione 2 • Load testing e benchmarking

Insegna la progettazione, l'esecuzione e l'interpretazione dei load test per la convalida della capacità. I load test rivelano i colli di bottiglia prima che il traffico di produzione li esponga.

Lezione 3 • Previsione della domanda e modellazione del carico

Tratta l'analisi dei modelli di traffico, la modellazione della stagionalità e la proiezione della crescita. Previsioni accurate della domanda prevengono sia il sottodimensionamento che la spesa eccessiva.

Lezione 4 • Auto-scaling e infrastruttura elastica

Progetta policy di auto-scaling orizzontale e verticale legate a segnali rilevanti per gli SLO. L'infrastruttura elastica assorbe i picchi di domanda controllando i costi.

Lezione 1 • Fondamenti di chaos engineering

Introduce i principi del chaos engineering, la progettazione delle ipotesi e il controllo del blast radius. L'iniezione controllata di guasti rivela punti deboli nascosti prima che lo facciano gli incidenti reali.

Lezione 2 • Architettura di ridondanza e failover

Esamina i modelli di ridondanza active-active, active-passive e multi-regione. L'architettura di ridondanza determina gli obiettivi di tempo di ripristino e di perdita di dati.

Lezione 3 • Modelli di progettazione della resilienza

Tratta circuit breaker, bulkhead, tentativi con backoff e timeout come primitive fondamentali di resilienza. I modelli prevengono i guasti a cascata e limitano il blast radius.

Lezione 4 • Gestione delle dipendenze e dei rischi

Mappa le dipendenze esterne, valuta la probabilità di guasto e progetta controlli di mitigazione. Il rischio delle dipendenze è una causa principale di incidenti di affidabilità.