Агент SRE — надёжность до инцидента
Как агент SRE в Datarim определяет SLO, проектирует observability по методам RED и USE и выстраивает алертинг так, чтобы страницы были редкими и значимыми.
Большинство работы по надёжности начинается слишком поздно. Сервис падает, срабатывает алерт, начинается спринт. Агент SRE создан, чтобы сдвинуть эту работу раньше — на стадию проектирования, где решения по надёжности дёшевы.
Его вопрос всегда один: выживет ли это в продакшене? Не «работает ли на ноутбуке разработчика», а «что происходит, когда зависимость тормозит, трафик удваивается или одна из трёх реплик исчезает в три часа ночи».
Проектирование observability
Observability — это не то же самое, что логирование. Логирование фиксирует события; observability позволяет инженеру задавать произвольные вопросы о состоянии системы без деплоя нового кода. Агент SRE проектирует observability по двум взаимодополняющим фреймворкам.
Метод RED охватывает сервисы, обрабатывающие запросы: нужно отслеживать Rate (запросов в секунду), Errors (долю сбойных) и Duration (распределение латентности). Метод USE охватывает ресурсы — CPU, память, диски, очереди: Utilization, Saturation и Errors. Вместе они покрывают два самых распространённых источника неожиданностей в продакшене. Структурированное логирование и распределённая трассировка дополняют картину, делая пути отдельных запросов прослеживаемыми между сервисами.
SLO и бюджеты ошибок
SLO — Service Level Objective — это целевое значение надёжности сервиса. Бюджет ошибок — то, что остаётся при выполнении SLO: запас для рискованных изменений, экспериментов и плановых простоев. Без бюджета ошибок надёжность превращается в ощущение, а не в число, с которым можно работать.
Агент SRE определяет SLO на ранней стадии проектирования и использует их для выстраивания алертинга. Правило простое: страница — при скорости сгорания SLO, а не при каждой аномалии. Алерт, срабатывающий три раза в неделю по поводам, которые сами рассасываются, хуже отсутствия алерта — он приучает команду игнорировать страницы.
Место в процессе
Агент SRE подключается на /dr-design при формировании требований по надёжности, на /dr-qa для проверки нагрузки и устойчивости, а на шаге 0.5 /dr-archive — для postmortem-анализа при рефлексии. Паттерны плавной деградации — circuit breaker, retry с backoff, fallback — входят в его словарь проектирования. Техники безопасного деплоя, такие как канарейки и feature flags, попадают в его компетенцию, когда план этого требует.
Полный справочник — на карточке агента SRE, а общая картина — в посте что такое Datarim.