SRE и операционная надёжность

Вводная глава: надёжность, отказоустойчивость, релизы, observability и работа с инцидентами.

Практический разбор SLI/SLO/SLA: зачем это нужно, как читать burn-rate и как считать budget через интерактивные калькуляторы.

Как выстроить дисциплину работы с инцидентами: on-call модель, escalation policy, blameless postmortems и метрики зрелости.

Как Google управляет production: SLO, error budgets, toil, on-call, postmortems и четыре золотых сигнала.

Практическое продолжение SRE Book: SLO на практике, alerting, incident response и case studies от Google.

Паттерны устойчивости от Michael Nygard: timeouts, circuit breakers, bulkheads и защита от cascade failures.

Практическое введение в CI/CD от Christie Wilson: пайплайны, version control, безопасное развёртывание и DORA метрики.

Практический дизайн observability-платформы: логи, метрики, distributed tracing, SLO-based alerting, runbooks и feedback loop для production.

Практический разбор distributed tracing в микросервисах: архитектура tracing-контура, Jaeger и Tempo, write/read path, sampling и операционные trade-offs.

Системный подход к производительности: latency optimization, profiling, capacity planning и performance budget в production.

Практический гайд по chaos engineering: как проектировать безопасные эксперименты и когда выбирать Gremlin, Litmus и Chaos Monkey.

Mobile SRE от Google: staged rollout, feature flags, клиентская телеметрия и влияние на backend.

Разбор доклада Ивана Юрченко о платформизации инцидент-менеджмента, SRE AI-ассистенте, LogAnalyzer и метриках качества ответов.

История Prometheus: SoundCloud, PromQL и путь к стандарту для cloud-native мониторинга.

Unlocking The Kernel — как технология расширения ядра Linux изменила networking, security и observability.

Интервью с Келси Хайтауэром о Platform Engineering, эволюции DevOps, зрелости Kubernetes, роли API-контрактов, AI guardrails и значимости soft skills.

Blameless-разбор двухнедельного инцидента в data-платформе Т-Банка: потеря метаданных, восстановление через Kafka/контракты и практические выводы по SRE для данных.