هندسة موثوقية المواقع (SRE) والتشخيص المتقدم: أداء Linux وأهداف مستوى الخدمة وإدارة الحوادث

ما الذي ستتعلّمه

• قياس العمل الروتيني (toil) ووضع سقف له، وكتابة سياسة لميزانية الأخطاء، والتنبيه على معدّل استهلاكها (burn rate)
• تطبيق منهجيتي USE وRED وقائمة الفحص في الستين ثانية الأولى على خادم بطيء
• قراءة الحِمل والوقت المسروق (steal) وتقييد cgroups وملفّ perf لمعرفة ما يستهلك المعالج
• فهم ذاكرة الصفحات المؤقتة (page cache) والتبديل (swap) وضغط الذاكرة (PSI) وقرارات قاتل OOM
• قياس زمن استجابة الأقراص باستخدام iostat، وإيجاد العملية المسؤولة، واختيار مُجدوِل الإدخال والإخراج
• تشخيص الشبكة باستخدام ss وnstat وsar، من إعادة الإرسال والطوابير وCLOSE-WAIT إلى امتلاء جدول conntrack
• تتبّع عملية باستخدام strace وltrace وlsof، واكتشاف eBPF عبر bpftrace
• ضبط حدود النواة والعمليات، مثل ulimit وprlimit وfs.file-max وvm.max_map_count وTasksMax
• إدارة حادث بأدوار واضحة ومستويات خطورة وتواصل مضبوط
• كتابة تقارير ما بعد الحادث دون لوم انطلاقًا من حوادث علنية حقيقية، وتحويل أدلّة التشغيل (runbooks) إلى أتمتة آمنة