Привет, %username%! Самовосстановление — вершина лестницы зрелости, а не входной билет. Продают его наоборот.

У CNCF автоматический возврат в known good state стоит на пятом уровне из пяти, chaos engineering — на четвёртом, а по auto remediation индустриального стандарта нет вовсе: только вендорские блоги, каждый со своей нумерацией. Зато в докладах самолечение показывают как то, с чего начинают.

Яндекс на ~50 тысячах приложений сделал ставку ровно обратную: чинить себя сама система не пытается, зато дежурный дотягивается до неё за секунды. Три серьёзных инцидента за шесть лет, ни одного полного краха. Meta* автоматизировала диагноз: 50 тысяч расследований в день, а решение всё равно за дежурным.

Похоже, зрелость меряется не долей автодействий, а тем, у кого остаётся возможность вмешаться, когда автоматика ошиблась.

А твоя автоматика хоть раз чинила не то? И как ты об этом узнал — из алерта или уже от людей?

Развернул на 35 тысяч знаков: https://jtprog.ru/posts/digital-immune-system-maturity/

*Meta признана экстремистской организацией, её деятельность запрещена на территории РФ.

#SRE #DevOps #Reliability #AutoRemediation #ChaosEngineering #IncidentManagement #OnCall #Architecture

Мишка на сервере — про надёжность, инциденты и инженерную практику

В этом посте были ссылки, но мы их удалили по правилам Сетки