آموزش اصول مهندسی قابلیت اطمینان سایت (SRE) - آخرین آپدیت

سرفصل ها و درس ها

مبانی مهندسی قابلیت اطمینان سایت Foundations of Site Reliability Engineering

• معرفی دوره Course Introduction

• مهندسی قابلیت اطمینان سایت (SRE) چیست؟ What is Site Reliability Engineering?

• مقایسه SRE و DevOps: همسویی عملیاتی برای تحویل قابل اطمینان SRE vs DevOps: Operational Alignment for Reliable Delivery

• قابلیت اطمینان، در دسترس بودن و تاب‌آوری در سیستم‌های مدرن Reliability, Availability, and Resilience in Modern Systems

• شاخص‌های سطح سرویس (SLI) و اهداف سطح سرویس (SLO) Service Level Indicators and Service Level Objectives

• بودجه‌های خطا و سیاست‌های بودجه‌بندی Error Budgets and Budget Policies

• پروژه عملی: تعریف SLI و SLO برای یک برنامه نمونه - راه‌اندازی برنامه و اندازه‌گیری اولیه SLI Hands-On: Defining SLIs and SLOs for a Sample Application - Sample Application Setup and Initial SLI Measurement

• پروژه عملی: تعریف SLI و SLO برای یک برنامه نمونه - تعریف SLOها و بهبود عملکرد قابلیت اطمینان Hands-On: Defining SLIs and SLOs for a Sample Application - Defining SLOs and Improving Reliability Performance

• پروژه عملی: محاسبه بودجه خطا از روی SLO - محاسبه بودجه خطا Hands-On: Calculating an Error Budget from an SLO - Error Budget Calculation

• پروژه عملی: محاسبه بودجه خطا از روی SLO - میزان مصرف بودجه و تصمیم‌گیری برای انتشار Hands-On: Calculating an Error Budget from an SLO - Budget Usage and Release Decision

مانیتورینگ، هشداردهی و عملیات مدیریت حوادث Monitoring, Alerting, and Incident Operations

• مبانی قابلیت مشاهده (Observability) برای سیستم‌های قابل اطمینان Observability Fundamentals for Reliable Systems

• متریک‌ها، لاگ‌ها و تریس‌ها در SRE Metrics, Logs, and Traces in SRE

• پروژه عملی: راه‌اندازی محیط آزمایشگاهی SRE Hands-On: Setting Up the SRE Lab Environment

• ساخت داشبوردهای موثر SRE Building Effective SRE Dashboards

• اصول هشداردهی و کاهش خستگی ناشی از هشدارها (Alert Fatigue) Alerting Principles and Reducing Alert Fatigue

• پروژه عملی: نصب Prometheus و Grafana - نصب استک مانیتورینگ Hands-On: Installing Prometheus and Grafana - Monitoring Stack Installation

• پروژه عملی: نصب Prometheus و Grafana - تایید نصب و عملکرد Hands-On: Installing Prometheus and Grafana - Prometheus and Grafana Verification

• پروژه عملی: ساخت داشبورد SLO در گرافانا Hands-On: Building an SLO Dashboard in Grafana

• مدیریت حوادث برای سرویس‌های قابل اطمینان Managing Incidents for Reliable Services

• بهترین روش‌های On-Call و گردش کارهای ارجاع (Escalation) On-Call Best Practices and Escalations Workflows

• پروژه عملی: مدیریت ارجاعات On-Call با استفاده از GoAlert Hands-On: Managing On - Call Escalations with GoAlert

• پروژه عملی: نوشتن گزارش تحلیل پس از حادثه (Blameless Postmortem) Hands-On: Writing a Blameless Incident Postmortem

اتوماسیون، ردیابی SLO، بازیابی GitOps و هوش مصنوعی در SRE Automation, SLO Tracking, GitOps Recovery, and AI for SRE

• استراتژی‌های کاهش کارهای تکراری (Toil) و استانداردسازی Runbook Toil Reduction Strategies and Runbook Standardization

• پروژه عملی: ایجاد یک Runbook پایه برای SRE Hands-On: Creating a Basic SRE Runbook

• پروژه عملی: اتوماسیون وظایف SRE با Ansible Playbooks Hands-On: Automating SRE Tasks with Ansible Playbooks

• بررسی‌های قابلیت اطمینان و تصمیمات انتشار Reliability Reviews and Release Decisions

• پروژه عملی: ردیابی SLOها و بودجه‌های خطا با Pyrra Hands-On: Tracking SLOs and Error Budgets with Pyrra

• پروژه عملی: پیکربندی هشدارهای نرخ مصرف (Burn Rate) Hands-On: Configuring Burn Rate Alerts

• استفاده از GitOps برای عملیات قابل اطمینان GitOps for Reliable Operations

• هوش مصنوعی در SRE: تشخیص ناهنجاری و پاسخ هوشمند AI for SRE: Anomaly Detection and Intelligent Response

• پروژه عملی: اجرای Rollback مبتنی بر GitOps با Argo CD Hands-On: Performing GitOps-Based Rollback with Argo CD

• پروژه عملی: تشخیص ناهنجاری‌های متریک با Prometheus و Grafana Hands-On: Detecting Metric Anomalies with Prometheus and Grafana

جمع‌بندی دوره و ارزیابی‌ها Course Wrap-Up and Assessments

• جمع‌بندی نهایی دوره Course Summary