サイト信頼性エンジニアリングのドキュメント

Architecture

• Microsoft Azure Well-Architected Framework
• Azure アプリケーション アーキテクチャ ガイド
• リファレンス アーキテクチャとサンプル ワークロード
• Azure 向けの Microsoft クラウド導入フレームワーク
• Azure でのマイクロサービスの構築
• Azure データ アーキテクチャ ガイド
• クラウド ベスト プラクティス
• 信頼性の高い Azure アプリケーションの設計
• クラウド設計パターン
• AWS プロフェッショナルのための Azure
• GCP プロフェッショナルのための Azure
• パフォーマンスのチューニング
• 詳細については、Azure アーキテクチャ センターを参照してください

監視

• Azure Monitor の概要
• Azure Monitor でのメトリック
• Azure Monitor でのログ
• Application Insights を使用したアプリケーションのパフォーマンス管理
• Azure Monitor を使用した分散トレース
• Azure Monitor の詳細を確認する

プロビジョニングとデリバリー

• Azure Resource Manager
• Azure での Terraform
• GitHub のアクション
• Azure Pipelines

スケーリング

• 自動スケーリングの概要
• 自動スケール ガイダンス
• 自動スケーリング用の開発
• パフォーマンス効率の柱の概要
• スケールアウトのための設計
• 信頼性パターン

カルチャ

• サイト信頼性エンジニアリングの進化
• SRE の構築: 外部からの文化
• 多分化チームにおける文化的な差異と効果的なコラボレーション
• SRE の進化と SRE 促進のニーズの増加
• フィードバック ループ: SRE のベネフィットとその可能性を実現するために必要なもの
• ビジネス メトリックを理解することで、SRE を向上させることができます
• サイト信頼性についての終わりのない話
• 運用では毎日が月曜日

インシデント対応とインシデント後のレビュー

• 回復力の構築: インシデントから詳細を知る方法
• 事後分析についての 2 つの話: 人的要因の観点
• 自動化の皮肉: コメディ 3 部作
• 呼び出しに対して: 反論
• ワン オン ワン SRE

監視と可観測性

• 6 億を超えるメンバーと何百ものマイクロ サービス: 監視システムをどのように拡張して対応したか
• これまでの方法は忘れよう: 監視の重点をサービスから顧客に移す
• すべては測定から。メトリックが重要な理由
• 嵐を乗り切る: 早期警告によってどのように農場が救われたか
• オーバーヘッドを発生させずに数百万のクエリをキャプチャして分析する
• イベントの相関関係: MTTR を減らすための新しいアプローチ
• LinkedIn フィードの高可用性を実現する堅牢な監視のしくみ
• MTTR と間違ったエスカレーションの削減: Linkedin でのイベントの相関関係

プラクティスと原則

• 可用性 - 数値を超える検討
• SRE のメンタル モデル
• アプリケーション作成時の信頼の優先順位付け
• Java は Linux が嫌い。 対処する。
• SRE 実践の各フェーズの特性付けと理解
• セキュリティと SRE: 自然な力の倍増
• 運用環境向上のレビュー: 修繕の負債を減らす
• 高パフォーマンス アプリケーションの信頼性を確保する
• サービス スコア カード - 運用上のエクセレンスのゲーミフィケーション
• サービスを酷評することによって改善する方法

チームと管理

• Code-Yellow: 最も負荷の高い運用チームをスマートな方法で支援
• 管理しない指導: SRE 技術リーダーになる
• 企業間の SRE 実装の違い
• 100 のチーム、100 とおりの失敗
• SRE エンゲージメントの開始に関する理由、対象、手段
• SRE チームの構築と稼働
• 大学生から SRE まで: 入門レベルの人向けオンボーディング
• LinkedIn SRE: 開始からグローバル規模へ
• 世界最大のソフトウェア会社で SRE の DNA シーケンスをつなぎ合わせる
• 第一階層のいも虫を蝶に変換する

ツールとテクノロジ

• Azure SREBot: チャットボットを超える - 軽減時間を劇的に短縮するインテリジェント ボット
• TrafficShift: 大規模災害の回避
• 分散ファイル システムを構築しましょう
• TCP - アーキテクチャ、強化、およびチューニング
• BGP - インターネットのバックボーン
• サーバーレスでの運用
• Kafka を使用してデータベース インフラストラクチャをスケーリングする方法
• SRE 向けネットワーク: アプリケーションのトラブルシューティングに必要な情報
• Ambry - LinkedIn の変更不可能な分散オブジェクト ストア
• BPerf - 運用環境での Bing.com クラウド プロファイル
• DNS: 最新の問題に対する古いソリューション
• LinkedIn での Rum DNS を使用したトラフィックのステアリング

スケーリング

• トラフィック予測とストレス テストのインフラストラクチャ
• 大規模な学習は困難 停止パターン分析とダーティ データ
• 分散ステートフル システムのスケーリング: LinkedIn ケース スタディ
• 大規模なデバッグ - 1 つの箱から運用環境へ
• 大規模な一元化されたキャッシュ インフラストラクチャの構築
• スケーラブルなコーディング - エラーを見つける
• LinkedIn での容量の管理
• InStream: BitTorrent、Python、Salt、Kafka を使用した大規模な配信
• 容量の牢獄を回避して抜け出す
• グローバルなトラフィック ルーティングとフェールオーバーの進化