آموزش دوره جامع مهندسی قابلیت اطمینان سایت (SRE) - آخرین آپدیت

مبانی SRE SRE Foundations

• مقدمه دوره: مهندسی قابلیت اطمینان سایت (SRE) Course Introduction: Site Reliability Engineering (SRE)

• اهداف یادگیری Learning Objectives

• آشنایی با مهندسی قابلیت اطمینان سایت (SRE) Introduction to Site Reliability Engineering (SRE)

• مفاهیم اصلی در SRE Core Concepts in SRE

• دمو: ایجاد یک نمونه EC2 Demo: Creating an EC2 Instance

• دمو: ایجاد SLI، SLO و SLA برای یک سرویس نمونه Demo: Creating SLIs, SLOs, and SLAs for a Sample Service

• درک بودجه خطا: مفاهیم و مزایا Understanding Error Budgets: Concepts and Benefits

• به‌کارگیری بودجه خطا: مثال‌ها و متدهای پیشرفته Applying Error Budgets: Examples and Advanced Practices

بودجه خطا و مشاهده‌پذیری Error Budgets & Observability

• دمو: محاسبه و شبیه‌سازی بودجه خطا Demo: Calculating and Simulating Error Budget

• مانیتورینگ و مشاهده‌پذیری Monitoring and Observability​

• بررسی خستگی ناشی از هشدارها (Alert Fatigue) Overview of Alert Fatigue

• همبستگی داده‌های مشاهده‌پذیری Correlating Observability Data

• هوش مصنوعی و یادگیری ماشین در مشاهده‌پذیری AI/ML in Observability

• دمو: راه‌اندازی Prometheus و Grafana برای مانیتورینگ - بخش اول Demo: Setting up Prometheus and Grafana for Monitoring - Part 1

• دمو: راه‌اندازی Prometheus و Grafana برای مانیتورینگ - بخش دوم Demo: Setting up Prometheus and Grafana for Monitoring - Part 2

مدیریت حوادث و کاهش کارهای تکراری Incident Management & Toil Reduction

• مدیریت حوادث Incident Management

• بررسی پس از حادثه بدون سرزنش (Blameless Postmortem) Blameless Postmortem

• مرور کلی و انواع ارتباطات در زمان حادثه Overview and Types of Incident Communication

• معیارها و اتوماسیون در پاسخ به حوادث Metrics and Automation in Incident Response

• دمو: پیاده‌سازی مدیریت حوادث با Prometheus - بخش اول Demo: Implementing Incident Management with Prometheus - Part 1

• دمو: پیاده‌سازی مدیریت حوادث با Prometheus - بخش دوم Demo: Implementing Incident Management with Prometheus - Part 2

• کاهش کارهای تکراری (Toil Reduction) Toil Reduction

• دمو: کاهش کارهای تکراری با بازیابی خودکار سرویس با اسکریپت شل - بخش اول Demo: Implementing Toil Reduction with Automated Service Recovery Using Shell Script - Part 1

• دمو: کاهش کارهای تکراری با بازیابی خودکار سرویس با اسکریپت شل - بخش دوم Demo: Implementing Toil Reduction with Automated Service Recovery Using Shell Script - Part 2

• فرهنگ SRE SRE Culture

• نکات کلیدی Key Takeaways

مهندسی قابلیت اطمینان و استقرار Reliability Engineering & Deployments

• اهداف یادگیری Learning Objectives

• مقدمه‌ای بر مهندسی قابلیت اطمینان Introduction to Reliability Engineering

• استراتژی‌های استقرار در مهندسی قابلیت اطمینان Deployment Strategies in Reliability Engineering

• دمو: پیاده‌سازی SRE با استقرار Blue-Green و Canary Demo: Implementing Site Reliability Engineering (SRE) with Blue-Green and Canary Deployment

• مقدمه‌ای بر اتوماسیون SRE Introduction to SRE Automation

• زیرساخت به عنوان کد (IaC): مفاهیم، مزایا، ابزارها و بهترین متدها Infrastructure as Code (IaC): Concepts, Benefits, Tools, and Best Practices

• مدیریت پیکربندی در SRE: مفاهیم، متدها و مزایا Configuration Management in SRE: Concepts, Practices, and Benefits

• اتوماسیون SRE: حوزه‌ها و انواع کلیدی SRE Automation: Key Areas and Types

• اتوماسیون SRE: خط لوله‌ها، مانیتورینگ، مقیاس‌بندی و پاسخ به حوادث SRE Automation: Pipelines, Monitoring, Scaling, and Incident Response

• دمو: اتوماتیک کردن SRE با Ansible و HTTPS Nginx Demo: Automating SRE with Ansible and HTTPS Nginx

هشداردهی، اتوماسیون و RCA Alerting, Automation & RCA

• اصول هشداردهی صحیح Principles of Good Alerting

• مدیریت خستگی هشدارها: هشدارهای عملیاتی و چارچوب اولویت‌بندی Managing Alert Fatigue: Actionable Alerts and Prioritization Framework

• ابزارهای رایج هشداردهی Common Alerting Tools

• طراحی هشدارهای موثر: هشداردهی چندسطحی و مبتنی بر SLO Designing Effective Alerts: Multi-Level and SLO-Based Alerting

• دمو: مانیتورینگ نمونه EC2 و استراتژی هشدار با Prometheus، Node Exporter و Alertmanager - بخش اول Demo: Monitoring EC2 Instance and Alerting Strategy with Prometheus, Node Exporter, and Alertmanager - Part 1

• دمو: مانیتورینگ نمونه EC2 و استراتژی هشدار با Prometheus، Node Exporter و Alertmanager - بخش دوم Demo: Monitoring EC2 Instance and Alerting Strategy with Prometheus, Node Exporter, and Alertmanager - Part 2

• پاسخ به حوادث: فرآیند، مسیرهای تصاعدی و نقش فرمانده حادثه Incident Response: Process, Escalation Paths, and the Incident Commander Role

• تحلیل علت ریشه‌ای (RCA) و اهمیت آن در SRE Root Cause Analysis (RCA) and Its Importance in SRE

• تحلیل علت ریشه‌ای در SRE: تکنیک‌ها و پیاده‌سازی Root Cause Analysis in SRE: Techniques and Implementation

• بررسی‌های موثر پس از حادثه: متدهای بدون سرزنش و بهبود مستمر Effective Postmortems: Blameless Practices and Continuous Improvement

• دمو: راه‌اندازی مانیتورینگ سیستم، هشدارهای حادثه و پاسخ با Prometheus و Alertmanager - بخش اول Demo: Setting Up System Monitoring, Incident Alerts, and Response with Prometheus and Alertmanager - Part 1

• دمو: راه‌اندازی مانیتورینگ سیستم، هشدارهای حادثه و پاسخ با Prometheus و Alertmanager - بخش دوم Demo: Setting Up System Monitoring, Incident Alerts, and Response with Prometheus and Alertmanager - Part 2

• دمو: راه‌اندازی مانیتورینگ سیستم، هشدارهای حادثه و پاسخ با Prometheus و Alertmanager - بخش سوم Demo: Setting Up System Monitoring Incident Alerts and Response with Prometheus and Alertmanager - Part 3

• قابلیت اطمینان در SRE SRE Reliability

• مدیریت قابلیت اطمینان با بودجه خطا Managing Reliability with Error Budgets

• اندازه‌گیری و بهبود قابلیت اطمینان Measuring and Improving Reliability

• نکات کلیدی Key Takeaways

CI/CD و مهندسی هرج‌ومرج CI/CD & Chaos Engineering

• اهداف یادگیری Learning Objectives

• مبانی CI/CD برای SRE CI/CD Fundamentals for SRE

• عملیاتی کردن CI/CD برای تیم‌های SRE Operationalizing CI/CD for SRE Teams

• ابزارها و اتوماسیون CI/CD برای تیم‌های SRE CI/CD Tooling and Automation for SRE Teams

• دمو: راه‌اندازی خط لوله CI/CD با Jenkins و Docker - بخش اول Demo: Setting up CI/CD Pipeline with Jenkins and Docker - Part 1

• دمو: راه‌اندازی خط لوله CI/CD با Jenkins و Docker - بخش دوم Demo: Setting up CI/CD Pipeline with Jenkins and Docker - Part 2

• دمو: راه‌اندازی خط لوله CI/CD با Jenkins و Docker - بخش سوم Demo: Setting up CI/CD Pipeline with Jenkins and Docker - Part 3

• مبانی مهندسی هرج‌ومرج (Chaos Engineering) Choas Engineering Fundamentals

• متدهای مهندسی هرج‌ومرج Chaos Engineering Practices

• مهندسی هرج‌ومرج در Kubernetes و موارد کاربرد Chaos Engineering in Kubernetes and Use Cases

• دمو: پیاده‌سازی مهندسی هرج‌ومرج با Pumba - بخش اول Demo: Implementing Chaos Engineering with Pumba​ - Part 1

• دمو: پیاده‌سازی مهندسی هرج‌ومرج با Pumba - بخش دوم Demo: Implementing Chaos Engineering with Pumba​ - Part 2

تست عملکرد و SRE پیشرفته Performance Testing & Advanced SRE

• مقدمه‌ای بر تست عملکرد Introduction to Performance Testing

• پروفایل‌های فشار واقع‌گرایانه Realistic Load Profiles

• تست عملکرد در CI/CD Performance Testing in CI/CD

• دمو: تست فشار چندکاربره با هرج‌ومرج - بخش اول Demo: Multi-User Load Testing with Chaos - Part 1

• دمو: تست فشار چندکاربره با هرج‌ومرج - بخش دوم Demo: Multi-User Load Testing with Chaos - Part 2

• مبانی SRE: اصول اصلی و متدهای پشتیبان SRE Fundamentals: Core Principles and Supporting Practices

• پیاده‌سازی SRE: جریان کاری، ساختار تیم، ابزارها و معیارها Implementing SRE: Workflow, Team Structure, Tools, and Metrics

• پیاده‌سازی بودجه خطا و ایجاد فرهنگ یادگیری Implementing Error Budgets and Building a Learning Culture

• مورد کاربرد: رویکرد یکپارچه SRE Use Case: Integrated SRE approach

• پیاده‌سازی SRE: چالش‌ها، استراتژی‌ها و روندهای آینده SRE Implementation: Challenges, Strategies, and Future Trends

• دمو: پیاده‌سازی تشخیص ری‌استارت کانتینر و هشداردهی با Docker - بخش اول Demo: Implementing Container Restart Detection and Alerting with Docker - Part 1

• دمو: پیاده‌سازی تشخیص ری‌استارت کانتینر و هشداردهی با Docker - بخش دوم Demo: Implementing Container Restart Detection and Alerting with Docker - Part 2

• نکات کلیدی Key Takeaways