Анонсируем первый в России практический курс по SRE: Слёрм SRE.

На интенсиве мы будем три дня строить, ломать, чинить и улучшать сайт-агрегатор по продаже билетов в кино.

Мы выбрали агрегатор билетов, потому что у него множество сценариев отказа: наплыв посетителей и DDoS-атаки, падение одного из множества критичных микросервисов (авторизация, резервирование, обработка платежей), недоступность одного из множества кинотеатров (обмен данными о свободных местах и резервировании), и далее по списку.

Мы сформируем концепцию Reliability нашего сайта-агрегатора, которую будем в дальшейшем Engineering, разберем проектирование с точки зрения SRE, подберем метрики, настроим их мониторинг, будем устранять возникающие инциденты, проведем тренинг командной работы с инцидентами в условиях, приближенных к боевым, организуем разбор полетов.

Ведут программу сотрудники Booking.com и Google.
В этот раз удаленного участия не будет: курс построен на личном взаимодействии и на командной работе.

Подробности под катом

Спикеры

Иван Круглов
Principal Developer в Booking.com (Нидерланды)
С момента прихода в Booking.com в 2013 работал над такими инфраструктурными проектами, как распределенная доставка и обработка сообщений, BigData и web-stack, поиск.
Сейчас занимается вопросами построения внутреннего облака и Service Mesh.

Бен Тайлер
Principal Developer в Booking.com (США)
Занимается внутренней разработкой платформы Booking.com.
Специализируется на service mesh / service discovery, batch job scheduling, incident response и postmortem process.
Говорит и преподает на русском.

Евгений Варавва
Разработчик широкого профиля в Google (Сан-Франциско).
Опыт работы от высоконагруженных веб-проектов до исследований в компьютерном зрении и робототехнике.
С 2011 года занимается в Google созданием и эксплуатацией распределенных систем, участвуя в полном жизненном цикле проекта: концептуализация, дизайн и архитектура, запуск, сворачивание и все промежуточные этапы.

Эдуард Медведев
CTO в Tungsten Labs (Германия)
Работал инженером в StackStorm, отвечал за ChatOps-функционал платформы. Разрабатывал и внедрял ChatOps при автоматизации дата-центров. Спикер на российских и международных конференциях.

Программа

Программа активно дорабатывается. Сейчас она выглядит так, к февралю может улучшиться и расшириться.

Тема №1: Основные принципы и методы SRE

• Что нужно чтобы стать SRE?
• DevOps vs SRE
• Почему разработчики ценят SRE и очень грустят, когда в проекте их нет
• SLI, SLO и SLA
• Error budget и его роль в SRE

Тема №2: Дизайн распределенных систем

• Архитектура и функционал приложения
• Non-Abstract Large System Design
• Operability / Design for failure
• gRPC или REST
• Версионирование и обратная совместимость

Тема №3: Как принимают проект SRE

• Лучшие практики от SRE
• Чек-лист приема проекта
• Логирование, метрики, трейсинг
• Забираем CI/CD в свои руки

Тема №4: Проектирование и запуск распределенной системы

• Обратное проектирование — как работает система?
• Согласовываем SLI и SLO
• Практика capacity planning
• Запуск трафика на приложение, наши пользователи начинают им «пользоваться»
• Запускаем Prometheus, Grafana, Elastic

Тема №5: Monitoring, Observability and Alerting

• Monitoring vs. Observability
• Настраиваем мониторинг и алертинг с Prometheus
• Практический мониторинг SLI и SLO
• Symptoms vs. Causes
• Black-Box vs. White-Box Monitoring
• Распределенный мониторинг доступности приложений и серверов
• 4 золотых сигнала (обнаружение аномалий)

Тема №6: Практика тестирования надежности систем

• Работа под давлением
• Failure-injection
• Chaos Monkey

Тема №7: Практика incident response

• Алгоритм управления стрессом
• Взаимодействие между участниками инцидента
• Постмортем
• Knowledge sharing
• Формирование культуры
• Контроль неисправностей
• Проведение blameless разбора полетов

Тема №8: Практика управления нагрузкой

• Балансировка нагрузки
• Отказоустойчивость приложений: retry, timeout, failure injection, circuit breaker
• DDoS (создаем нагрузку) + Cascading Failures

Тема №9: Реагирование на инциденты

• Разбор полетов
• Практика On-Call
• Различные типы аварий (тестирование, изменение конфигурации, сбой оборудования)
• Протоколы управления инцидентами

Тема №10: Диагностика и решение проблем

• Журналирование
• Отладка
• Практика анализа и отладки на нашем приложении

Тема №11: Тестирование надежности систем

• Нагрузочное тестирование
• Тестирование конфигураций
• Тестирование производительности
• Canary release

Тема №12: Самостоятельная работа и ревью

Рекомендации и требования к участникам

SRE — командная работа. Мы настоятельно рекомендуем проходить курс всей командой. Поэтому даем для готовых команд большие скидки.

Цена курса — 60 000 ? с человека.
Если компания отправляет группу из 5+ человек — 40 000 ?.

Курс построен на Kubernetes. Для прохождения нужно знать Kubernetes на базовом уровне. Если вы с ним не работаете, можно пройти Слёрм Базовый (онлайн или интенсив 18-20 ноября).
Кроме того, нужно хорошо владеть Linux, знать Gitlab и Prometheus.

Регистрация

Если у вас есть сложная идея по участию, например, чтобы на курс пришел генеральный директор, технический директор и команда разработчиков, и они проходили практику с учетом управленческой вертикали, пишите мне в личку.