Управление надёжностью систем на основе данных (SRE). Онлайн-курс по SRE в учебном центре Слёрм.

старт 26 октября

практический онлайн-курс для инженеров

Управление надёжностью систем на основе данных (SRE)

Три недели работы SRE-командой. На учебном production-сервисе зададите SLO, настроите мониторинг и алертинг, разберёте инциденты, восстановите сервис и проведёте postmortem

Записаться на курс

Программа

Видеокурс «Мониторинг в Grafanа» в подарок!

Не уверены, готовы ли к полному курсу?

Попробуйте 7-дневный SRE-интенсив за 5 000 ₽ →

Курс в деле

01

20 часов

часов практики на стендах

02

Работа SRE-командой

поделим на группы, распределим роли и научим работать в коллективе

03

Имитация реальной работы

решайте задачи и кейсы, которые возникают на вашем сервисе

04

Прямое общение со спикерами

разборы кейсов, Q&A и отдельный чат

Кому подойдёт курс

DevOps / SRE / системный инженер

Работаете с production и хотите собрать разрозненные SRE-практики в систему: понять, какие метрики действительно нужны, как задавать SLO, настраивать алертинг и выстраивать работу с инцидентами

Разработчик с infra-ответственностью

Отвечаете уже не только за код, но и за то, как сервис живёт после релиза. Хотите лучше понимать мониторинг, надёжность и причины сбоев — и учитывать это ещё при разработке.

Тимлид / техлид

Хотите выстроить в команде понятный подход к надёжности: договориться о метриках, наладить работу с инцидентами и postmortem, чтобы каждый новый сбой не приходилось разбирать с нуля.

Хотите обучить команду?

Для компаний есть отдельные условия на обучение нескольких сотрудников. А если курс нужен вам для текущей работы, его не обязательно оплачивать самостоятельно — можно запросить обучение у работодателя.

Для компаний

Метрики и SLO

Поймёте, что действительно измерять: SLI/SLO, error budget и алертинг — без набора метрик ради метрик

Инциденты

Отработаете incident response: распределите роли, восстановите сервис и проведёте postmortem

SRE как система

Свяжете monitoring, SLO, отказоустойчивость и incident management в одну рабочую картину

В свой production

Поймёте, какие практики можно адаптировать под свою команду и сервис

Вы получите не гугловскую теорию, а рабочий опыт инженеров из российских компаний

SRE-практики, которые вы освоите

Начни учиться бесплатно

Начать бесплатно

Познакомьтесь с материалами и спикерами курса. Даем демодоступ на 3 дня

Формат обучения

Обучение проходит в условиях имитации реальной работы — в специально разработанном приложении кинотеатра, в котором у каждого будет своя роль

Учебное приложение состоит из нескольких микросервисов. Он агрегирует данные о сеансах, ценах и свободных местах со всех кинотеатров, показывает анонсы фильмов, дает выбрать кинотеатр, сеанс, зал и место, забронировать и оплатить билеты.

Мы сформулируем показатели SLO, SLI, SLA для сервиса, настроим мониторинг и алертинг.

Ошибки разработчиков, отказы инфраструктуры, наплыв посетителей, DoS-атаки приводят к тому, что SLO ухудшаются.

Мы разберем устойчивость, error budget, практику тестирования, управление прерываниями и операционной нагрузкой.

Ломаем

Чиним

Произошла авария. Сервис обработки платежей лег. Как действовать, чтобы восстановить работоспособность в минимальные сроки?

Мы организуем работу группы по ликвидации аварии: подключение коллег, оповещение интересантов (stakeholders), выстраивание приоритетов. Будем тренироваться под давлением в условиях предельно ограниченного времени.

Разберем подход к приложению с точки зрения SRE. Проанализируем инциденты (причины возникновения, ход устранения).

Примем решение по их дальнейшему предотвращению: улучшим мониторинг, автоматизируем процессы.

Изучаем

Строим

Внутренние и внешние факторы начинают «портить» SLO

Incident response

Cмотрим на сайт и инциденты с точки зрения SRE

С чем предстоит работать

Вы будете поддерживать приложение, написанное на python, которое взаимодействует с базой данных MySQL для хранения информации. Оно будет развернуто микросервисной архитектурой на наших кластерах Kubernetes, к которым у вас будет доступ для решения проблем, возникших на инцидентах.

Это один из самых распространенных, простых и доступных языков программирования. Вы легко сможете разобраться в его коде и внести изменения, если это потребуются.

7 видеоуроков

5 командных кейсов

20

6

ч практики

встреч со спикерами

3 Q&A-сессии

45

ч итого

На изучение теории, работу в командах и общение со спикерами

15

ч теории

Видеокурс «Мониторинг в Grafana»

+ работа с дашбордами

3 практикума с кейсами

Шаг 1

Шаг 2

Встречаемся со спикерами и делимся на команды

Шаг 3

Шаг 4

Шаг 5

Шаг 6

Делаем домашние задания, получаем фидбек от эксперта

Изучаем видеоуроки и читаем теорию

Выполняем практические задания и решаем кейсы в командах, имитируем работу SRE

Разбираем практические задания и кейсы со спикерами +задаем вопросы

Сдаем все практические задания и получаем сертификат

Что мы ожидаем от вас

↑ Без этих знаний обучаться будет трудно!

Будет большим плюсом, если вы:

Работали в кластере Kubernetes или просто знаете принципы работы

знаете, как работать в Grafana и Prometheus

умеете писать код на Python

Вы умеете читать код на Python

Знаете Linux на уровне администратора

Знание принципов работы Баз данных (любые: SQL, NoSQL, KeyVal)

SRE-каналов на русском по пальцам пересчитать. Поэтому мы ведём свой

В «Путь SRE» — инциденты, SLO, observability и инженерные разборы. Никакого общего IT-дайджеста — только SRE.

Вступить

Если пока не уверены в базе в целом, то начните с 7-дневного SRE-интенсива за 5 000 ₽

Подробнее о курсе

Спикер курса Максим Гусев

Руководитель команды SRE в RWB

Строит отказоустойчивые системы в IT более 11 лет

Активно проповедует искоренение тойла и построение правильного инцидент-менеджмента

Прошел путь от инженера по замене бумаги в принтере до техлида SRE в финтехе и Lead Observability Team в Dodo Engineering

Программа

Подготовительный модуль по Kubernetes

бонус

Вы познакомитесь с основами архитектуры Kubernetes и её ключевыми компонентами. Вы узнаете, для чего нужны и как взаимодействуют основные объекты, такие как поды, репликасеты, деплойменты и сервисы.

Мониторинг в Grafana

бонус

26 октября, пн – старт обучения. Открываем доступ к Telegram-чату потока

Подходы к мониторингу. Blackbox & Whitebox, 4 golden signals, RED, USE

Grafana, Prometheus & Alertmanager. Установка и настройка

Prometheus. Модель данных и типы метрик. Особенности мониторинга latency

Prometheus. PromQL

Grafana. Первый dashboard

Grafana. Tips & tricks

Alerting. Grafana vs Prometheus

Alerting. Тестирование

Установочная встреча

встреча

Обсудим цели и задачи курса

Расскажем, что такое SRE

Распределим студентов на команды

Теория SRE

тема

Monitoring и Observability
SLO, SLI, SLA
Error budget

Практикум № 1 и командные кейсы

встреча

Добавляем на дашборды SLO, SLI и Error budget (Первичная нагрузка)
Работаем с k8s, исправляем ошибки в коде, разбираем архитектуру приложения

Q&A-сессия со спикерами

встреча

SRE в других компаниях: как устроена работа с метриками
Ответы на вопросы по предыдущим темам
Обратная связь по домашнему заданию

Инцидент-менеджмент

тема

Resiliencе Engineering и устройство команды
Инструменты варрума
Postmortem

Практикум № 2 и командные кейсы

встреча

Работаем в команде и устраняем проблемы в приложении, развернутом в Kubernetes кластере, на основе метрик
По окончании практики вы получите комплект шаблонов постмортемов

Q&A-сессия со спикерами

встреча

Работа с инцидентами, продом и прочие практики SRE
Ответы на вопросы по предыдущим темам

Health Checking

тема

Health Check в Kubernetes
Exec probes
InitialDelaySeconds
Secondary Health Port
Sidecar Health Server
Headless Probe
Hardware Probe

Практикум № 3 и командные кейсы

встреча

Реализация Fail-fast подхода: учимся быстро выявлять проблемы и минимизировать их последствия
Реализация канареечных деплоев: работаем с Argo Rollouts и учимся деплоить с минимальным аффектом пользователей

Q&A-сессия со спикерами

встреча

Тренды и технологии, карьера и развитие в SRE
Ответы на вопросы по предыдущим темам
Подведение итогов и завершение обучения

Cвидетельство

Именное свидетельство о прохождении курса получает студент, если:

изучил 80% курса

принимал участие в решении практик, которые входят в курс.

Зачем компании внедрять SRE-подход?

Повышение
надежности сервисов

Автоматизация и стандартизация

Снижение
количества инцидентов

Снижение затрат

SRE обеспечивает высокую доступность и стабильность сервисов. Это критически важно для удовлетворенности пользователей.

SRE внедряет автоматизированные процессы, что снижает количество рутинных задач и повышает эффективность работы команд.

Внедрение превентивного мониторинга и автоматизации процессов минимизирует количество инцидентов и время их решения.

Оптимизация процессов и автоматизация помогают сократить операционные расходы.

Улучшение производительности

Кросс-функциональное взаимодействие команд

Обратная связь и улучшения

Эффективное
управление нагрузкой

Использование SRE-практик позволяет оптимизировать производительность систем. Задержки снижаются, скорость отклика повышается.

SRE способствует более тесному сотрудничеству между разработчиками и операционными командами. Это улучшает коммуникацию и общий процесс разработки.

SRE-практики включают анализ инцидентов и создание постмортемов, что помогает выявлять слабые места и улучшать процессы.

SRE позволяет анализировать и прогнозировать нагрузку на системы, что помогает лучше справляться с пиковыми периодами.

Ещё эффекты SRE-подхода

Этот курс может оплатить ваша компания

Если вы считаете, что знания, полученные на курсе, могут быть полезными на вашем текущем месте работы, оставляйте заявку с контактами компании в форме ниже или обсудите покупку курса с вашим руководителем. Как это организовать, что говорить и куда идти — написали здесь.