Titolo del modulo: dgt_sre08 – Error Budget, metriche e monitoraggio
Panoramica:
Questo modulo tratta error budget, metriche e monitoraggio nel contesto della Site Reliability Engineering ed è rivolto a Site Reliability Engineer (SRE) e professionisti del settore. Il programma unisce le basi teoriche e le strategie pratiche necessarie per gestire efficacemente affidabilità e prestazioni dei sistemi in ambienti software dinamici.
Gli error budget sono aritmetica prima ancora che strumenti, quindi per prima cosa impari a ragionare su carta di SLI, SLO e burn rate. Poi passi al linguaggio naturale: dici all’agente AI quali percorsi utente contano e cosa significa per loro “abbastanza affidabile”, e gli chiedi di tradurlo in SLI, recording rule, alert sul burn rate e una dashboard dell’error budget. Il tuo compito è verificare che le query misurino ciò che gli utenti vivono davvero, che le finestre degli alert siano coerenti con i calcoli e che nulla di ciò che la macchina propone ridefinisca di nascosto lo SLO.
Obiettivi del modulo:
- Comprendere il concetto di error budget come componente chiave delle pratiche SRE.
- Imparare a definire e misurare metriche allineate agli obiettivi di business e agli accordi sul livello di servizio (SLA), e a specificarle alla macchina senza ambiguità.
- Comprendere le tecniche e gli strumenti di monitoraggio essenziali per mantenere salute e affidabilità dei sistemi, abbastanza bene da guidarne la configurazione e convalidarne i risultati.
- Sviluppare la capacità di usare gli error budget per bilanciare innovazione e stabilità all’interno dei team software.
Argomenti principali:
- Introduzione ai principi SRE
- Panoramica della Site Reliability Engineering
-
Il ruolo della SRE nelle organizzazioni tecnologiche moderne
-
Comprendere gli error budget
- Definizione e importanza degli error budget nella SRE
- Come calcolare e gestire un error budget
-
Strategie per usare gli error budget come guida per le decisioni
-
Metriche e KPI nella SRE
- Indicatori chiave di prestazione (KPI) rilevanti per la SRE
- Progettare metriche efficaci allineate agli obiettivi di business
-
Strumenti e tecniche per raccogliere e analizzare i dati SRE, e come verificare i dati raccolti dalla macchina
-
Tecniche di monitoraggio avanzate
- Panoramica di framework e strumenti di monitoraggio
- Alert e meccanismi di risposta agli incidenti: descriverli in linguaggio naturale e revisionare le regole generate
-
Usare log, trace e metriche per una visibilità completa sui sistemi
-
Casi di studio e best practice
- Esempi reali di gestione efficace dell’error budget
-
Lezioni apprese dai leader del settore SRE
-
Bilanciare innovazione e affidabilità
- Usare gli error budget per promuovere una cultura della sperimentazione mantenendo l’affidabilità
- Strategie di miglioramento incrementale senza sacrificare la stabilità
Materiali del modulo:
- Tra le letture consigliate figurano testi fondamentali come “Site Reliability Engineering: How Google Runs Production Systems” di Niall Richard Murphy, Betsy Beyer, Chris Jones e Jennifer Petoff.
- Articoli e whitepaper integrativi di professionisti e organizzazioni del mondo SRE.
A chi è rivolto:
Questo modulo è rivolto a professionisti SRE, DevOps engineer, amministratori di sistema e chiunque si occupi della gestione dell’affidabilità del software. È adatto sia ai principianti sia ai professionisti esperti.
Formato del modulo:
Il modulo si svolge attraverso una combinazione di lezioni, workshop interattivi, casi di studio ed esercitazioni in linguaggio naturale in cui istruisci la macchina a implementare SLO, alert e dashboard, per poi revisionare, verificare e correggere il suo lavoro. Per tutta la durata del programma i partecipanti hanno accesso a risorse online, forum e mentorship.
Gli studenti possono caricare i propri esercizi nel Progetto Git dell’Academy DevOps & SRE. Per questo modulo, create una cartella con il vostro username come nome nella seguente sottocartella: https://github.com/Garanti-Del-Talento/gdt_academy