2018-03-27.SREcon18.IC_for_IT.Workshop.key
Copyright © 2018, Great Circle Associates, Inc. All Rights Reserved. Incident Command for IT: What We’ve Learned from the Fire Department USENIX SREcon18 27 March 2018 PDF of these slides: https://goo.gl/5C2M2d Brent Chapman Brent@GreatCircle.com @brent_chapman 1 Copyright © 2018, Great Circle Associates, Inc. All Rights Reserved. 2 When connectivity counts. Majordomo Copyright © 2018, Great Circl
1: Go 1.16 and Generics with tenntenn
メインセッションでは@tenntennさんをゲストに迎えてGo 1.16とGenericsについて，ニュースセッションではIncrementやSRE，Netflix Cosmos Platform，GKE Autopilotなどについて話しました． Shownotes The followings are links which we talked in this episode. ⛩️ Opening How we structure our work and teams at Basecamp Introducing Hierarchical Namespaces Mercari Platform Group Tech Talk #1 📰 News Increment: Reliability Embrace your inner incident commander In spac
Incident Metrics in SRE
Štěpán Davidovič Incident Metrics in SRE Critically Evaluating MTTR and Friends Boston Farnham Sebastopol Tokyo Beijing Boston Farnham Sebastopol Tokyo Beijing 978-1-098-10313-2 [LSI] Incident Metrics in SRE by Štěpán Davidovič Copyright © 2021 O’Reilly Media, Inc. All rights reserved. Printed in the United States of America. Published by O’Reilly Media, Inc., 1005 Gravenstein Highway North, Sebas
Google のサイト信頼性エンジニアリング担当ディレクターが語るデジタル トランスフォーメーション | Google Cloud 公式ブログ
※この投稿は米国時間 2021 年 3 月 13 日に、Google Cloud blog に投稿されたものの抄訳です。 現在では、給与ソフトウェアから特別な機械学習システムまで、「サービスとして」クラウド上で利用できます。こうしたサービスはさまざまな業界の幅広いニーズに対応し、企業は自社のコア コンピテンシーに注力しながら、スピーディに成長とスケーリングを実現できます。 しかし、特に変革によって「勝者」と「敗者」が生まれたり、「古い」社員と「新しい」社員に分断されたりする場合などは、クラウドへの移行によって社内に緊張が生じます。これは関係者全員にとって避けて通ることのできない課題です。ただし、これ以外の方法でもクラウドへの移行は進められるので心配は無用です。 Google Cloud の規模が拡大する中、プラットフォームの構築とサポートを担当する Google 社員チームも大きくなってい
インシデント管理で得られた教訓
0 0 57 0 ジョーイ・ベイダ、ロス・デリンジャー共同執筆 Dropbox では、インシデント管理は信頼性への取り組みにおける重要な要素だと考えています。実際の障害発生に備えるために、カオス エンジニアリング（Chaos Engineering）などのプロアクティブな手法も採用していますが、インシデントへの対応の仕方がユーザー エクスペリエンスを大きく左右します。サイトの停止や製品の問題が発生する可能性がある場合、ユーザーにとって、それは一刻を争う事態です。 導入されて数年になるインシデント管理プロセスの主要コンポーネントですが、この領域には常に進歩する要素がありました。時間をかけて、技術的にも組織的にも、さらには手続き的にも細かな調整を加えてきました。 この投稿で触れているのは、 Dropbox がインシデント管理で得た教訓の一部について、深く掘り下げて説明します。インシデントにおけ
本当にサービスの運用できてますか！？運用監視を学べるAWS Observability Workshopを開催しました！
本当にサービスの運用できてますか！？運用監視を学べるAWS Observability Workshopを開催しました！ 技術本部 サービスリライアビリティグループ（SRG）の柘植（@shotaTsuge）です。 #SRG（Service Reliability Group）は、主に弊社メディアサービスのインフラ周りを横断的にサポートしており、既存サービスの改善や新規立ち上げ、OSS貢献などを行っているグループです。 本記事は、サイバーエージェントグループと他複数社向けに特別開催したAWS Observability Workshopの開催レポートになります。本記事を通して、運用とは何なのかを改めて考えるきっかけとなれば幸いです。 Day1 Day1では、「サービスを動かし続けるために何が必要か」というタイトルで、 運用とは何なのか Amazonでの運用例 AWS環境では、どのように運用す
サービス品質向上のためにBacklogのSREが行ってきたサービスレベル管理の取り組み | 株式会社ヌーラボ(Nulab inc.)
これは SRE Advent Calendar 11日目の記事です。 こんにちは、Backlog の SRE を担当している吉澤（Muzi と呼ばれている人）です。 本記事では、SRE Lounge #5 で講演した際に、時間の都合で省略した「ヌーラボ社内での Backlog のサービスレベル計測とその結果の活用」についてご紹介します。 長年運用されてきたサービスを改善するために、SRE ができる取り組みの一例としてご参考ください。 SRE とは？ SRE とは、Site Reliability Engineering の略です。これは Google で初めて提唱された概念で、その提唱者自身は著書「SRE サイトリライアビリティエンジニアリング」（いわゆる「SRE 本」）のなかで以下のように述べています。 Google 内で規定されることになったサイトリライアビリティエンジニアリングとは、
オブザーバビリティ（可観測性）とは何か？を学べる「Distributed Systems Observability」を読んだ - kakakakakku blog
2019年頃から「オブザーバビリティ (Observability)」もしくは「可観測性」という言葉をよく聞くようになった（本記事では「オブザーバビリティ」という表記に統一する）．「マイクロサービス」と同じように「バズワード」の側面があり「オブザーバビリティとは何か？」という質問に対して様々な回答が考えられると思う． 今回は「オブザーバビリティ」の理解を深めるために「Distributed Systems Observability」を読んだ．本書は O'Reilly Media で読むこともできるけど，Humio のサイトから無料でダウンロードすることもできる（メールアドレス登録は必要）．著者は Cindy Sridharan となり，肩書は「Distributed Systems Engineer」と書いてあった． www.humio.com 目次 本書には「オブザーバビリティ」をテー
SRE error budgets and maintenance windows | Google Cloud Blog
Accelerate State of DevOps ReportGet a comprehensive view of the DevOps industry, providing actionable guidance for organizations of all sizes. Download So, you’ve started down the site reliability engineering (SRE) path at your organization. You have set up your service. You have analyzed how your users interact with it, which helped you identify some key metrics that correlate with user happines
Why SRE Documents Matter - ACM Queue
October 4, 2018 Volume 16, issue 4 PDF Why SRE Documents Matter How documentation enables SRE teams to manage new and existing services Shylaja Nukala and Vivek Rau SRE (site reliability engineering) is a job function, a mindset, and a set of engineering approaches for making web products and services run reliably. SREs operate at the intersection of software development and systems engineering to
マイクロサービスにおける性能異常の迅速な診断に向いた時系列データの次元削減手法 - ゆううきブログ
著者 坪内 佑樹(*1), 鶴田 博文(*1), 古川 雅大(*2) 所属 (*1) さくらインターネット株式会社 さくらインターネット研究所、(*2) 株式会社はてな 研究会 第7回Webシステムアーキテクチャ研究会 2010年代のクラウド技術であるコンテナオーケストレーション、サーバーレス、マイクロサービス、さらにはエッジコンピューティングなどの普及により、分散システムとしての複雑度が高まっている。このまま複雑度が高まっていくと、人手によるルールベースの運用にいずれは限界が訪れるのではないかと考えている。そこで、最近は、このようなクラウドを中心とするSRE分野の課題に対して、機械学習やその他の数理的アプローチを適用するアプローチを模索している。特に、SREの中でも、システムに発生する異常への対応については、現場のエンジニアの経験に基づき直感に大きく依存している。 異常への対応を構成する
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Increment: Reliability
SRE at Google: Our complete list of CRE life lessons | Google Cloud Blog
Our journey towards SLO based alerting
Site Reliability Engineering Best Practices Applied to a Medical Emergency (aka Why You Should DiRT Test Your Family Emergency Plans)
How to Implement SRE In Your Organization
Writing Runbook Documentation When You’re an SRE | Hacker News
The non-technical skills you need to become a great SRE | UKAuthority
SRE Metrics: Four Golden Signals of Monitoring | Splunk
Beneficial Outage Communication Practices - VictorOps
