SRE实践:服务可靠性案例课--极客时间课程推荐/优惠
搞定 SRE,为你的系统保驾护航
专栏 | 31讲 | 2233人已学习
优惠价¥59原价:99
官网优惠购买
版权声明
本站非极客时间官网,与官方无任何关系。我们不提供课程下载或详细内容,仅作为课程分享和推荐平台。我们鼓励大家支持正版,尊重创作者的劳动成果,这样不仅能帮助创作者持续产出优质内容,也能让自己获得更好的学习体验。请通过官方渠道购买和学习课程,感谢您的理解与支持。
课程详情
你将获得:
- 构建全面的服务可靠性保障体系;
- 掌握 6 大 SRE 核心运维技能;
- 深入解读 10+ 企业级故障案例;
- 探索 AIOps 在服务保障中的实践。
课程介绍
在如今的数字化时代,服务的可靠性已成为企业竞争力的关键。无论是电商巨头还是初创公司,服务中断都可能带来经济与品牌信誉的双重损失。然而,确保服务的连续性和稳定性并非易事,需要我们提前预防潜在的风险,快速响应突发事件。
想要做到这一点不仅需要强大的技术支撑,更需要培养一种全面的可靠性思维。为此,我们特别设计了这门《SRE 实践:服务可靠性案例课》。这门课程可以帮助你:
- 快速识别和填补监控体系的漏洞;
- 构建完善的容量保障体系,让资源发挥最大效率;
- 做好应急预案,提高响应的速度;
- 强化可靠性保障体系基础设施建设;
- 养成可靠性保障思维;
- 借助 AIOps 工具,让可靠性工作更加的全面和智能;
- ……
从技术到业务,从个人意识到组织文化,全方位提升你对服务可靠性的理解和实践能力。
课程设计
基础篇
基础篇会系统地介绍可靠性保证最常见的六项技能:监控、容量、变更、预案、备份和恢复、文化和机制,了解这些能力可以解决哪些问题。此外还要培养自身的可靠性意识,不仅仅停留在使用工具和技术解决问题的阶段,而是从意识层开始改变。
应用篇
在应用篇,我们将深入分析具体的案例并探讨监控、容量、变更等技能在实践中的应用。特别是互联网公司那些影响非常大的故障,我们将通过分析这些案例看到背后的问题。同时你会了解到一些复杂场景下的应对方案,比如机房故障应该如何应对等等。
智能运维篇
这部分我们会介绍 AI 和可靠性结合能产生哪些火花,以及业界的优秀案例。比如通过异常检测,解决传统监控中难以发现的复杂问题,提高对系统异常的识别速度和准确性;利用 AI 进行时序数据分析和回归预测,可以更准确地预估系统负载,从而实现资源的优化分配和弹性扩容等。在故障的时候如何做更加智能的决策,给出合理的建议。
课程目录
开篇词
- 开篇词|互联网公司故障频发,我们应该如何保障服务持续可靠?
- 导学|如何构建坚不可摧的服务可靠性体系?
基础篇
- 01|监控:如何从业务视角出发添加监控?
- 02| 容量:从业务视角看容量到底是什么?
- 03|变更:为什么说变更是可靠性的第一杀手?
- 04|预案:预案的三板斧指的是什么?
- 05|备份和恢复:可靠性的最后一道防线
- 06|可靠性文化和规范:人是万物的尺度
热点加餐
- 微软蓝屏事件:如何应对变更带来的问题?
- 网易云音乐故障猜想:如何避免迁移带来的问题?
场景篇
- 07|监控场景:为什么所有故障都有监控的因素?
- 08|容量场景(一):12306为什么现在能扛住春节抢票了?
- 09|容量场景(二):一次让网盘雪崩的热点事件
- 10|容量场景(三):一条让新浪工程师们通宵加班的微博
- 11|变更场景(一):一条让Facebook蒸发百亿的指令
- 12|变更场景(二):一次简单升级竟然损失几千万
- 13|变更场景(三): 连续绊倒两个云厂商的故障
- 14|预案场景(一):B站最为深刻的一次自我剖析
- 15|预案场景(二):一次机房故障为何让多位高管被辞退?
- 16 |备份和恢复:一次误操作中断7小时
- 17 |可靠性意识:可靠性Oncall十大原则
AIOps篇
- 18|概述:AIOps涉及哪些领域和方向?
- 19|AIOps故障发现:我们如何看到肉眼看不到的故障?
- 20|AIOps问题定位:如何在报警风暴中找到暴风眼?
- 21|AIOps容量预测:如何准确地预估流量?
- 22|AIOps变更管理:如何进行更全面地检查与更精准地阻断?
- 23|AIOps智能决策:给故障处理安装一个大脑
- 24|AIOps数据可靠性:如何预测磁盘故障
- 25|可靠性基础科学:可靠性背后的运筹学和概率学
结束语
- 结束语|这里不是终点,而是一个起点
- 结课测试|来赴一场满分之约
作者介绍
拥有十余年 SRE 运维经验。 曾负责百度网盘、快手海外版服务稳定性工作,同时也是百度、快手两次央视春晚红包核心保障人员。十余年来经历过数几百次故障处理和复盘,在监控、容量、预案、变更、数据可靠性、AIOps 等多个方向有自己独特的经历和见解。