Cloud-Native & SRE · Maps 04–13Cloud-Native и SRE · мапы 04–13
devops track →
Карта 06 (Расширенная): SRE, Highload и Platform Engineering
1. Практики Site Reliability Engineering (SRE)
- Управление надежностью:
- Разделение понятий SLI (метрика качества: например, доля успешных запросов быстрее 200мс), SLO (целевой показатель: 99.9% за скользящий месяц) и SLA (бизнес-контракт с финансовыми штрафами за нарушение).
- Error Budget (Бюджет ошибок): концепция баланса между скоростью выпуска новых фич и стабильностью системы. Настройка Multi-window, Multi-burn-rate алертов по скорости сжигания бюджета.
- Культура инцидентов и устойчивость:
- Организация дежурств (On-call rotations), написание исчерпывающих Runbooks и Playbooks.
- Проведение Blameless Postmortems (разбор полетов без поиска виновных, выявление корневых причин методом «5 почему» и постановка Action Items для предотвращения рецидивов).
- Chaos Engineering: внедрение сбоев в тестовые и продакшн-окружения (Chaos Mesh, LitmusChaos) для проверки реакции системы на падение нод или сетевые задержки.
2. Platform Engineering и Self-Service IDP
- Переход от ручной обработки тикетов силами DevOps к созданию внутренних платформ самообслуживания (Internal Developer Platforms).
- Crossplane: декларативное управление облачной инфраструктурой (БД, бакеты, очереди) прямо из манифестов Kubernetes с помощью концепций
XRD(Composite Resource Definitions) иComposition, позволяющих разработчикам заказывать ресурсы через YAML-манифест. - Backstage: создание единого портала разработчика (каталог микросервисов, шаблоны создания новых проектов с преднастроенным CI/CD и мониторингом по принципу Golden Paths).
3. Эксплуатация Stateful-систем (Highload DB & Queues)
- PostgreSQL в продакшене:
- Высокая доступность и автомастер-фейловер: Patroni или оператор CloudNativePG.
- Пулинг соединений: PgBouncer (режимы session, transaction, statement pooling) для защиты базы от исчерпания памяти при скачках трафика.
- Резервное копирование и PITR (Point-in-Time Recovery) с помощью WAL-G или
pgBackRestс обязательным регулярным тестированием восстановления. - Тюнинг и диагностика: анализ медленных запросов (
pg_stat_statements,EXPLAIN (ANALYZE, BUFFERS)), настройка параметров памяти (shared_buffers,work_mem,effective_cache_size) и параметровautovacuum. - Кэширование и Очереди сообщений:
- Redis / Valkey: стратегия репликации, персистентность (RDB vs AOF), обеспечение высокой доступности через Redis Sentinel и масштабирование через Redis Cluster.
- Apache Kafka: устройство топиков, партиций, факторов репликации (ISR), управление consumer groups, мониторинг Consumer Lag, эксплуатация в Kubernetes через оператор Strimzi.
- RabbitMQ: типы обмена (Exchanges), кворумные очереди (Quorum Queues), настройка Dead Letter Exchanges (DLX) для обработки упавших сообщений.
4. FinOps (Оптимизация затрат)
- Мониторинг утилизации ресурсов в Kubernetes через Kubecost или OpenCost.
- Использование Spot / Preemptible инстансов для снижения стоимости вычислений.
- Right-sizing процессорных и оперативных ресурсов подов на основе исторических данных (VPA в режиме рекомендаций).