Slurm SRE ។ ការពិសោធន៍ពេញលេញជាមួយអ្នកជំនាញមកពី Booking.com និង Google.com

ក្រុមរបស់យើងចូលចិត្តការពិសោធន៍។ Slurm នីមួយៗមិនមែនជាពាក្យដដែលៗនៃរឿងមុនៗនោះទេ ប៉ុន្តែជាការឆ្លុះបញ្ចាំងពីបទពិសោធន៍ និងការផ្លាស់ប្តូរពីល្អទៅល្អជាង។ ប៉ុន្តែជាមួយ Slurm SRE យើងបានសម្រេចចិត្តអនុវត្តទម្រង់ថ្មីទាំងស្រុង - ដើម្បីផ្តល់ឱ្យអ្នកចូលរួមនូវលក្ខខណ្ឌជិតស្និទ្ធតាមដែលអាចធ្វើទៅបានដើម្បី "ប្រយុទ្ធ" ។

ប្រសិនបើយើងគូសបញ្ជាក់យ៉ាងខ្លីនូវអ្វីដែលយើងបានធ្វើក្នុងអំឡុងពេលវគ្គសិក្សាដែលពឹងផ្អែកខ្លាំង៖ “យើងសាងសង់ យើងបំបែក យើងជួសជុល។
យើង​កំពុង​សិក្សា»។ SRE គឺមានតម្លៃតិចតួចនៅក្នុងទ្រឹស្តី - ការអនុវត្តតែប៉ុណ្ណោះ ដំណោះស្រាយពិតប្រាកដ បញ្ហាពិតប្រាកដ។

អ្នកចូលរួមត្រូវបានបែងចែកទៅជាក្រុម ដើម្បីឱ្យមានស្មារតីប្រកួតប្រជែងដ៏ខ្លាំងក្លាមិនអនុញ្ញាតឱ្យនរណាម្នាក់ដេកលក់ ឬបើកកម្មវិធី "Angry Birds" នៅលើ iPhone តាមគំរូរបស់ Dmitry Anatolyevich ។

បញ្ហា ភាពមិនទៀងទាត់ កំហុស និងភារកិច្ចត្រូវបានផ្តល់ជូនអ្នកចូលរួមដោយអ្នកណែនាំចំនួនបួននាក់។ Ivan Kruglov អ្នកអភិវឌ្ឍន៍សំខាន់នៅ Booking.com (ហូឡង់)។ Ben Tyler អ្នកអភិវឌ្ឍន៍សំខាន់នៅ Booking.com (សហរដ្ឋអាមេរិក)។ Eduard Medvedev, CTO នៅ Tungsten Labs (អាល្លឺម៉ង់) ។ Evgeniy Varavva អ្នកអភិវឌ្ឍន៍ទូទៅនៅ Google (San Francisco) ។

ជាងនេះទៅទៀត អ្នកចូលរួមត្រូវបែងចែកជាក្រុម និងប្រកួតប្រជែងគ្នា។ គួរឱ្យចាប់អារម្មណ៍?

Ivan, Ben, Eduard និង Evgeniy សម្លឹងមើលអ្នកចូលរួម Slurm SRE ក្រីក្រជាមួយនឹងការស្រមើស្រមៃរបស់លេនីននិយមមុនពេលចាប់ផ្តើមការប្រកួត។

ដូច្នេះភារកិច្ច៖

យើងជារបស់យើង យើងនឹងកសាងពិភពលោកថ្មី...

មានគេហទំព័រប្រមូលផ្តុំសំបុត្រកុន។ ឧប្បត្តិហេតុត្រូវបានបង្កើតដោយអ្នកណែនាំនៅក្នុងសេណារីយ៉ូដែលបានធ្វើការមុន (ទោះបីជាគ្មាននរណាម្នាក់មិនរាប់បញ្ចូលការបំផុសគំនិតដ៏ស្មុគ្រស្មាញ និងអសុរោះក៏ដោយ) ដំណើរការនៃគេហទំព័រត្រូវបានពិពណ៌នាដោយរង្វាស់ផ្សេងៗ។ បញ្ហាអាចមានភាពខុសគ្នាខ្លាំង៖ សំបុត្រសម្រាប់មហោស្រព Moulin Rouge មិនត្រូវបានផ្ទុកទៅក្នុងមូលដ្ឋានទិន្នន័យទេ។ ផ្ទាំងរូបភាពនៃខ្សែភាពយន្ត និងការសម្តែងត្រូវបានផ្ទុកទៅក្នុងមូលដ្ឋានទិន្នន័យក្នុងរយៈពេលលើសពី 10 វិនាទី។ ការពិពណ៌នានៃខ្សែភាពយន្តនីមួយៗបង្កក; 0,1% នៃការបញ្ជាទិញត្រូវបានបម្រុងទុករួចហើយ; ពីពេលមួយទៅពេលមួយ ប្រព័ន្ធដំណើរការការទូទាត់គាំងក្នុងរយៈពេលមួយ ឬពីរនាទី។ ហើយរឿងមិនសប្បាយចិត្តជាច្រើនដែលអាចកើតមានចំពោះអ្នកចូលរួម Slurm SRE នៅក្នុងការងារពិតរបស់គាត់។

យើង​ត្រៀម​ខ្លួន​ជា​ស្រេច​ក្នុង​ការ​គ្រប់​គ្រង​អ្វី​មួយ... និង​អ្នក​រាល់​គ្នា។

គេហទំព័រដែលអត់ធន់របស់យើងមានមីក្រូសេវាកម្មជាច្រើន។ ភារកិច្ចរបស់វាគឺដើម្បីប្រមូលទិន្នន័យអំពីកម្មវិធី តម្លៃ និងកៅអីដែលមានពីគ្រប់រោងកុន វាបង្ហាញការប្រកាសអំពីភាពយន្ត អនុញ្ញាតឱ្យអ្នកជ្រើសរើសរោងកុន កន្លែងបញ្ចាំង សាល និងទីកន្លែង កក់ និងបង់ប្រាក់សម្រាប់សំបុត្រ។ ជាទូទៅអ្វីគ្រប់យ៉ាងដែលអ្នកមើលអាចសុបិន្តបាន។ ប៉ុន្តែអ្នកប្រើប្រាស់មិនទាំងសង្ស័យថា តើការតស៊ូទីតានិកសម្រាប់ស្ថេរភាព និងភាពងាយស្រួលនៃគេហទំព័រនេះកំពុងកើតឡើងនៅខាងក្នុងនោះទេ។

សម្រាប់គេហទំព័រដែលពឹងផ្អែកខ្លាំង យើងបានបង្កើតសូចនាករ SLO, SLI, SLA ស្ថាបត្យកម្ម និងហេដ្ឋារចនាសម្ព័ន្ធដែលបានអភិវឌ្ឍ បានដាក់ពង្រាយគេហទំព័រ រៀបចំការត្រួតពិនិត្យ និងការជូនដំណឹង។ ហើយយើងទៅឆ្ងាយ។

SLO, SLI, SLA

SLI - សូចនាករកម្រិតសេវាកម្ម។ SLOs គឺជាគោលដៅកម្រិតសេវាកម្ម។ SLA - កិច្ចព្រមព្រៀងកម្រិតសេវាកម្ម។

SLA គឺជាពាក្យវិធីសាស្រ្ត ITIL ដែលតំណាងឱ្យកិច្ចព្រមព្រៀងផ្លូវការរវាងអតិថិជននៃសេវាកម្ម និងអ្នកផ្គត់ផ្គង់របស់វា ដែលមានការពិពណ៌នាអំពីសេវាកម្ម សិទ្ធិ និងកាតព្វកិច្ចរបស់ភាគី ហើយសំខាន់បំផុតគឺកម្រិតគុណភាពដែលបានព្រមព្រៀងគ្នាសម្រាប់ការផ្តល់សេវានេះ។ សេវាកម្ម។

SLO គឺជាគោលបំណងកម្រិតសេវាកម្ម៖ តម្លៃគោលដៅ ឬជួរតម្លៃសម្រាប់កម្រិតសេវាកម្មដែលត្រូវបានវាស់ដោយ SLI ។ តម្លៃធម្មតាសម្រាប់ SLO គឺ "SLI ≤ គោលដៅ" ឬ "ដែនកំណត់ទាប ≤ SLI ≤ ដែនកំណត់ខាងលើ" ។

SLI គឺជាសូចនាករកម្រិតសេវាកម្ម—ជារង្វាស់បរិមាណដែលបានកំណត់យ៉ាងប្រុងប្រយ័ត្ននៃទិដ្ឋភាពមួយនៃកម្រិតនៃសេវាកម្មដែលបានផ្តល់។ សម្រាប់សេវាកម្មភាគច្រើន SLI គន្លឹះត្រូវបានចាត់ទុកថាជាភាពយឺតយ៉ាវនៃសំណើ - តើវាត្រូវការរយៈពេលប៉ុន្មានដើម្បីត្រឡប់ការឆ្លើយតបទៅនឹងសំណើមួយ។ SLIs ទូទៅផ្សេងទៀតរួមមានអត្រាកំហុស ដែលជារឿយៗត្រូវបានបង្ហាញជាប្រភាគនៃសំណើទាំងអស់ដែលទទួលបាន និងដំណើរការប្រព័ន្ធ ដែលជាធម្មតាត្រូវបានវាស់វែងជាសំណើក្នុងមួយវិនាទី។

ដំបូង​យើង​នឹង​ទម្លាយ​យន្តហោះ​ចេញ​ហើយ​ស្រីៗ​ហើយ​បន្ទាប់​មក​ស្រីៗ​…

កត្តាខាងក្នុងនិងខាងក្រៅបានចាប់ផ្តើម "បំផ្លាញ" SLO តាំងពីនាទីដំបូង។ អ្វីគ្រប់យ៉ាងធ្លាក់លើក្បាលរបស់អ្នកគ្រប់គ្រង - កំហុសរបស់អ្នកអភិវឌ្ឍន៍ ការបរាជ័យផ្នែកហេដ្ឋារចនាសម្ព័ន្ធ ការហូរចូលនៃអ្នកទស្សនា និងការវាយប្រហារដោយ DDoS ។ អ្វីគ្រប់យ៉ាងដែលធ្វើឱ្យ SLO កាន់តែអាក្រក់។

"- អ្នកចូលរួមជាទីគោរព ខ្ញុំប្រញាប់ផ្គាប់ចិត្តអ្នក រឿងដំបូងដែលអ្នកបរាជ័យគឺ... គ្រប់យ៉ាង!"

នៅតាមផ្លូវវាគ្មិនបានពិភាក្សាអំពីស្ថិរភាព ថវិកាកំហុស ការអនុវត្តសាកល្បង ការគ្រប់គ្រងការរំខាន និងបន្ទុកប្រតិបត្តិការ។

យើងមិនមែនជាជាងឈើទេ...

បន្ទាប់មកអ្នកចូលរួមចាប់ផ្តើមជួសជុលអ្វីៗ - រឿងសំខាន់គឺត្រូវយល់ពីអ្វីដែលត្រូវចាប់យកមុន។

“លោកម្ចាស់ ខ្ញុំមិនដែលឃើញវាបែកបែបនេះទេ ក្នុងទម្រង់នេះ និងក្នុងស្ថានភាពបែបនេះ!”

ដូច្នេះ​គ្រោះថ្នាក់​មួយ​បាន​កើត​ឡើង។ សេវាដំណើរការការទូទាត់ធ្លាក់ចុះ។ តើធ្វើដូចម្តេចដើម្បីធ្វើសកម្មភាពដើម្បីស្តារមុខងារឡើងវិញក្នុងរយៈពេលដ៏ខ្លីបំផុត?

អ្នកជំនាញសម្លឹងមើលអ្នកចូលរួមដោយក្តីស្រលាញ់ កំពុងរៀបចំល្បិចមួយទៀត។

ក្រុមនីមួយៗរៀបចំការងាររបស់ក្រុមដើម្បីលុបបំបាត់គ្រោះថ្នាក់ - ពាក់ព័ន្ធនឹងសហសេវិកជូនដំណឹងដល់ភាគីដែលចាប់អារម្មណ៍ (ភាគីពាក់ព័ន្ធ) ។ ទន្ទឹមនឹងនេះអាទិភាពត្រូវបានកំណត់។ តាមរបៀបនេះ សិក្ខាកាមបានបណ្តុះបណ្តាលឱ្យធ្វើការក្រោមសម្ពាធក្រោមលក្ខខណ្ឌពេលវេលាកំណត់យ៉ាងខ្លាំង។

«​តើ​ភាព​ភ័យ​រន្ធត់​បែប​ណា​បាន​ចេញ​មក​?!»

ដកដង្ហើមចេញ ... ហើយបញ្ចប់លំហាត់

រួមគ្នាជាមួយវាគ្មិន បន្ទាប់ពីបញ្ហានីមួយៗត្រូវបានដោះស្រាយ ហើយទីតាំងត្រូវបានរក្សាលំនឹងបណ្តោះអាសន្ន ក្រុមការងារបានសិក្សាឧប្បត្តិហេតុតាមទស្សនៈរបស់ SRE ។ យើងបានវិភាគបញ្ហាយ៉ាងលម្អិត - មូលហេតុនៃការកើតឡើងរបស់ពួកគេវឌ្ឍនភាពនៃការលុបបំបាត់។ បន្ទាប់ពីនោះ ទាំងក្រុមដោយក្រុម និងជាសមូហភាព ពួកយើងបានធ្វើការសម្រេចចិត្តអំពីរបៀបទប់ស្កាត់បន្ថែមទៀត៖ របៀបកែលម្អការត្រួតពិនិត្យ របៀបផ្លាស់ប្តូរស្ថាបត្យកម្មដោយឆ្លាតវៃ របៀបកែតម្រូវវិធីសាស្រ្តក្នុងការអភិវឌ្ឍន៍ និងប្រតិបត្តិការ របៀបកែតម្រូវបទប្បញ្ញត្តិ។ វាគ្មិន​បាន​បង្ហាញ​ពី​ការអនុវត្ត​នៃ​ការ​ធ្វើ​កោសល្យវិច័យ​ក្រោយ​ការ​ធ្វើ​កោសល្យវិច័យ។

«មាន​អ្នក​ណា​ចង់​ធ្វើ​ទារុណកម្ម! - ខ្ញុំ!"

ជោគជ័យរបស់ក្រុមត្រូវបានកត់ត្រាយ៉ាងតឹងរ៉ឹង និងច្បាស់លាស់នៅលើតារាងពិន្ទុអេឡិចត្រូនិក។

សម្រាប់កន្លែងដំបូង - ប្រាក់រង្វាន់ពីភាគីពាក់ព័ន្ធ។

ប្រភព: www.habr.com