3. 具体实践篇

具体实践篇

• 3.1. 基于时间序列数据进行有效报警
  • 3.1.1. demo
• 3.2. on-call轮值
  • 3.2.1. demo
• 3.3. 有效的故障排查手段
  • 3.3.1. 理论
  • 3.3.2. 实践
    • 3.3.2.1. 故障报告
    • 3.3.2.2. 定位
    • 3.3.2.3. 检查
    • 3.3.2.4. 诊断
    • 3.3.2.5. 测试和修复
  • 3.3.3. 神奇的负面结果
    • 3.3.3.1. 治愈
  • 3.3.4. 案例分析
  • 3.3.5. 使故障简单
  • 3.3.6. 小结
• 3.4. 紧急事件响应
  • 3.4.1. 当系统出现问题怎么办
  • 3.4.2. 测试导致的紧急事故
  • 3.4.3. 变更部署带来的紧急事故
  • 3.4.4. 流程导致的严重事故
  • 3.4.5. 所有问题都有解决方案
  • 3.4.6. 向过去学习
• 3.5. 紧急事故管理
  • 3.5.1. 紧急事故流程管理要素
    • 3.5.1.1. 职责分离
    • 3.5.1.2. 控制中心
    • 3.5.1.3. 实时事故状态文档
    • 3.5.1.4. 明确公开的职责交接
  • 3.5.2. 一次流程管理良好的事故
  • 3.5.3. 什么时候对外宣布事故
  • 3.5.4. 最佳实践
• 3.6. 事后总结
  • 3.6.1. google的事后总结哲学
  • 3.6.2. 协作和知识共享
  • 3.6.3. 建立事后总结文化
• 3.7. 跟踪故障
  • 3.7.1. demo
• 3.8. 测试可靠性
  • 3.8.1. demo
• 3.9. SRE部门中的软件工程实践
  • 3.9.1. demo
• 3.10. 前端服务器的负载均衡
  • 3.10.1. 使用DNS进行负载均衡
• 3.11. 数据中心内部的负载均衡系统
  • 3.11.1. demo
• 3.12. 应对过载
  • 3.12.1. demo
• 3.13. 处理连锁故障
  • 3.13.1. demo
• 3.14. 管理关键状态
  • 3.14.1. demo
• 3.15. 分布式周期性任务系统
  • 3.15.1. demo
• 3.16. 数据处理流水线
  • 3.16.1. demo
• 3.17. 数据完整性
  • 3.17.1. demo
• 3.18. 可靠地进行产品的大规模发布
  • 3.18.1. demo