সাইট রিলায়েবিলিটি ইঞ্জিনিয়ারিং
সাইট রিলায়েবিলিটি ইঞ্জিনিয়ারিং (SRE) অপারেশনকে প্রকৌশল সমস্যা হিসেবে দেখে: এটি পরিমাপযোগ্য নির্ভরযোগ্যতার লক্ষ্য ঠিক করে, পরিবর্তনের জন্য একটি ত্রুটি বাজেট খরচ করে, সফটওয়্যার দিয়ে পুনরাবৃত্ত খাটুনি সরায়, এবং দোষারোপ ছাড়া ব্যর্থতা থেকে শেখে; এটি অনেক সেবা ব্যবস্থাপনা অনুশীলনকে প্রকৌশলের ভাষায় প্রকাশ করে।
কেন এটি গুরুত্বপূর্ণ
প্রতিটি সেবায় পরিবর্তন ও নির্ভরযোগ্যতার মধ্যে একটি টানাপোড়েন আছে। গ্রাহকেরা নতুন ফিচার চান, আবার সেবা কাজ করুক তাও চান। যে দলগুলো দ্রুত পরিবর্তন ঠেলে তারা বিভ্রাট ঘটায়, আর যে দলগুলো স্থিতিশীলতা পাহারা দেয় তারা সবকিছু ধীর করে। দুটি ওজন করার উপায় না থাকলে বিতর্ক মেটে যে সবচেয়ে জোরে বলে তার দ্বারা, বা সর্বশেষ ইনসিডেন্টের দ্বারা।
সাইট রিলায়েবিলিটি ইঞ্জিনিয়ারিং আপসটি স্পষ্ট করার একটি উপায় দেয়। এটি শুরু হয় এই ধারণা থেকে যে নিখুঁত নির্ভরযোগ্যতা সম্ভবও নয়, কাম্যও নয়: ব্যবহারকারীরা 99.999 শতাংশ ও 99.99 শতাংশ প্রাপ্যতার পার্থক্য বুঝতে পারেন না, যখন তাঁদের নিজেদের ডিভাইস ও নেটওয়ার্ক তার চেয়ে বেশি ব্যর্থ হয়, আর প্রতিটি বাড়তি নাইনের খরচ অনেক বেশি। তাই দল ব্যবহারকারীদের প্রয়োজনের সঙ্গে মেলে এমন একটি লক্ষ্যে সম্মত হয়, তা মাপে, এবং লক্ষ্য ও নিখুঁততার মধ্যকার জায়গাকে ঝুঁকির বাজেট হিসেবে ব্যবহার করে।
SRE 2000-এর দশকের গোড়ায় Google-এ শুরু হয় এবং কোম্পানিটির অনলাইনে প্রকাশিত বইগুলোতে বর্ণিত। আরও অনেক প্রতিষ্ঠান এর কিছু অংশ গ্রহণ করেছে। সেবা ব্যবস্থাপনার জন্য এর মূল্য হলো, ITIL যাকে সেবা স্তর ব্যবস্থাপনা, প্রাপ্যতা ব্যবস্থাপনা ও নিরবচ্ছিন্ন উন্নয়ন বলে সেই ধারণাগুলোর মূর্ত, প্রকৌশল-ধাঁচের সংস্করণ এটি দেয়। এই বিষয়টি প্রধান ধারণাগুলো ব্যাখ্যা করে এবং যে প্রেক্ষাপট এগুলোকে কাজ করিয়েছে তা ছাড়া নকল করার ব্যাপারে সতর্ক করে।
মূল ধারণা
SRE কী। Wikipedia সাইট রিলায়েবিলিটি ইঞ্জিনিয়ারিংকে এমন নীতি ও অনুশীলনের একটি সমষ্টি হিসেবে বর্ণনা করে, যা আইটি অবকাঠামো ও অপারেশনে সফটওয়্যার প্রকৌশলের দিক প্রয়োগ করে স্কেলযোগ্য ও নির্ভরযোগ্য ব্যবস্থা তৈরি করে। একটি SRE দলে সাধারণত সফটওয়্যার ও সিস্টেম দক্ষতার মানুষ থাকেন, যাঁরা অপারেশনের কাজ অটোমেট করেন এবং নির্ভরযোগ্যতার জন্য নকশায় অংশ নেন।
সেবা স্তরের সূচক (SLI)। ব্যবহারকারীরা যেভাবে অনুভব করেন সেবার কোনো একটি দিকের মাপকাঠি, যেমন সফল হওয়া অনুরোধের অনুপাত, বা 300 মিলিসেকেন্ডের মধ্যে সম্পন্ন হওয়া অনুরোধের অনুপাত। একটি ভালো সূচক ব্যবহারকারীদের যা গুরুত্বপূর্ণ তা প্রতিফলিত করে, যা মাপা সহজ তা নয়।
সেবা স্তরের উদ্দেশ্য (SLO)। একটি সময়কালে একটি সূচকের লক্ষ্য, যেমন "একটি ঘূর্ণায়মান 30 দিনে 99.9 শতাংশ অনুরোধ সফল হয়"। উদ্দেশ্যটি সেবা যাঁরা চালান এবং সেবার ওপর যাঁরা নির্ভর করেন, তাঁদের মধ্যে সম্মত একটি অভ্যন্তরীণ লক্ষ্য। Wikipedia সেবা স্তরের উদ্দেশ্যকে সেবা স্তর চুক্তির অংশ হিসেবে বর্ণনা করে।
সেবা স্তর চুক্তি (SLA)। একটি চুক্তি, যাতে সেবা সম্মত স্তরের নিচে নামলে, প্রায়ই আর্থিক, পরিণতি থাকে। SLA সাধারণত অভ্যন্তরীণ SLO-র চেয়ে শিথিল লক্ষ্য ঠিক করে, যাতে লঙ্ঘনের আগে দল সতর্কসংকেত পায়। দেখুন বিষয় 3.7 — সার্ভিস লেভেল ম্যানেজমেন্ট।
ত্রুটি বাজেট। অনুমোদিত অনির্ভরযোগ্যতার পরিমাণ: উদ্দেশ্য 99.9 শতাংশ হলে বাজেট অবশিষ্ট 0.1 শতাংশ। বাজেট বাকি থাকতে দল ঝুঁকি নিতে পারে, যেমন দ্রুত রিলিজ। বাজেট খরচ হয়ে গেলে দল পরিবর্তন ধীর করে এবং নির্ভরযোগ্যতায় বিনিয়োগ করে। বাজেট নির্ভরযোগ্যতা ও পরিবর্তনের মধ্যকার আপসকে তর্কের বদলে একটি ভাগ করা, পরিমাপযোগ্য সিদ্ধান্তে পরিণত করে।
খাটুনি (Toil)। যে কাজ হাতে-করা, পুনরাবৃত্ত, অটোমেট করার যোগ্য, কৌশলগত এবং স্থায়ী মূল্য যোগ না করে সেবার সঙ্গে বাড়ে। উদাহরণ: হাতে একটি সেবা পুনরায় চালু করা, একই ধরনের অনুরোধ হাতে প্রক্রিয়া করা, এবং কোলাহলপূর্ণ সতর্কবার্তা স্বীকার করা। SRE অনুশীলন খাটুনিতে ব্যয় হওয়া সময়ের অংশ সীমিত করে, প্রায়ই আধাআধি, এবং বাকিটা তা কমানোর প্রকৌশল কাজে ব্যয় করে।
মনিটরিং ও সতর্কবার্তা। সতর্কবার্তা কাজে লাগার মতো এবং ব্যবহারকারীরা যে লক্ষণ অনুভব করেন তার সঙ্গে যুক্ত হওয়া উচিত, স্পষ্ট সাড়াসহ। যে কোলাহলপূর্ণ সতর্কবার্তায় কেউ কাজ করে না, তা মানুষকে তা উপেক্ষা করতে শেখায়। দেখুন বিষয় 3.10 — মনিটরিং ও ইভেন্ট ম্যানেজমেন্ট এবং বিষয় 7.4 — পর্যবেক্ষণযোগ্যতা ও টেলিমেট্রি।
ইনসিডেন্ট সাড়া ও দোষারোপহীন পর্যালোচনা। SRE ইনসিডেন্টের সময় স্পষ্ট ভূমিকা, যোগাযোগ, এবং পরে কাঠামোবদ্ধ পর্যালোচনার ওপর জোর দেয়, যা ব্যবস্থার দিকে তাকায় ও ট্র্যাক করা পদক্ষেপ তৈরি করে। দেখুন বিষয় 3.2 — ইনসিডেন্ট ম্যানেজমেন্ট এবং বিষয় 3.3 — প্রবলেম ম্যানেজমেন্ট।
সক্ষমতা ও কর্মক্ষমতা। SRE-তে চাহিদার পূর্বাভাস, সীমা পরীক্ষা এবং সক্ষমতার পরিকল্পনা আছে, যাতে বৃদ্ধি ব্যর্থতা না ঘটায়। দেখুন বিষয় 3.11 — প্রাপ্যতা, সক্ষমতা ও কর্মক্ষমতা।
রিলিজ প্রকৌশল ও পরিবর্তন। নির্ভরযোগ্য, পুনরাবৃত্তিযোগ্য রিলিজ, প্রায়ই ক্রমবর্ধমান রোলআউট ও স্বয়ংক্রিয় রোলব্যাকসহ, SRE-র কাজের অংশ। দেখুন বিষয় 2.2 — ধারাবাহিক ডেলিভারি।
ব্যর্থতার অনুশীলন। কেওস ইঞ্জিনিয়ারিং ইচ্ছাকৃতভাবে, নিয়ন্ত্রণের মধ্যে, ব্যর্থতা ঢুকিয়ে দুর্বলতা খুঁজে বের করে, বাস্তব ইনসিডেন্ট করার আগে। গেম ডে সাড়ার মহড়া দেয়। দেখুন বিষয় 3.12 — সার্ভিস ধারাবাহিকতা ব্যবস্থাপনা।
SRE ও DevOps। দুটি অনেক ধারণা ভাগ করে। একটি প্রচলিত বর্ণনা হলো SRE হলো DevOps নীতি বাস্তবায়নের একটি উপায়, SLO, ত্রুটি বাজেট ও খাটুনির সীমার মতো নির্দিষ্ট অনুশীলনসহ। দেখুন বিষয় 2.5 — DevOps।
SRE ও ITIL। SLO ও ত্রুটি বাজেট সেবা স্তর ব্যবস্থাপনার পাশে বসে; দোষারোপহীন পর্যালোচনা প্রবলেম ম্যানেজমেন্টের পাশে; খাটুনি হ্রাস নিরবচ্ছিন্ন উন্নয়নকে সমর্থন করে। SRE বর্ণনা করে একটি প্রযুক্তি দল এই কাজ কীভাবে করতে পারে, আর ITIL বর্ণনা করে প্রতিষ্ঠানের সামগ্রিকভাবে কোন অনুশীলন দরকার।
নকলের সীমা। SRE বিকশিত হয়েছিল বিশেষ স্কেল ও কর্মীসংখ্যার একটি অত্যন্ত বড় প্রকৌশল প্রতিষ্ঠানে। একটি ছোট দল এর কাঠামো নকল করতে পারে না, করার দরকারও নেই। কয়েকটি ধারণা দিয়ে শুরু করুন: ব্যবহারকারী-কেন্দ্রিক একটি সূচক বাছুন, একটি উদ্দেশ্য ঠিক করুন, এবং বাজেট শেষ হলে আপনি কী করবেন তা লিখে রাখুন।
দৃষ্টিকোণগুলো কীভাবে খাপ খায়। SRE মূলত চালু সেবার জন্য এজাইল দৃষ্টিকোণের প্রকৌশল দিক। এআই মানব পর্যালোচনার অধীনে সতর্কবার্তা বাছাই ও ইনসিডেন্ট সারসংক্ষেপে সাহায্য করতে পারে। অটোমেশন খাটুনির বিরুদ্ধে প্রধান হাতিয়ার। বিশ্লেষণ SLI এবং খাটুনি ও ইনসিডেন্টের ডেটা জোগায়।
সেরা অনুশীলন
- ব্যবহারকারীর অভিজ্ঞতা প্রতিফলিত করে এমন সূচক বাছুন। জিজ্ঞাসা করুন একজন ব্যবহারকারী কী "কাজ করছে" বলবেন: যে পাতা লোড হয়, যে পেমেন্ট সম্পন্ন হয়, যে ফাইল পৌঁছায়। তা মাপুন, CPU ব্যবহার নয়।
- সেবার ওপর নির্ভরশীল মানুষদের সঙ্গে উদ্দেশ্য ঠিক করুন। প্রকৃত প্রয়োজনের সঙ্গে মেলে এমন একটি সংখ্যায় সম্মত হোন, সময়কাল ও মাপার উপায়সহ লিখে। প্রয়োজন বদলালে আবার দেখুন।
- সিদ্ধান্ত নিতে ত্রুটি বাজেট ব্যবহার করুন। বাজেট প্রায় শেষ হলে কী হয়, যেমন ঝুঁকিপূর্ণ পরিবর্তন স্থগিত, এবং কে সিদ্ধান্ত নেয়, তা লিখুন। প্রথমবার তা গুরুত্বপূর্ণ হওয়ার আগে এ বিষয়ে সম্মত হোন।
- উদ্দেশ্য চুক্তির চেয়ে কঠোর রাখুন। আপনার অভ্যন্তরীণ লক্ষ্য এমনভাবে ঠিক করুন, যাতে চুক্তি লঙ্ঘনের আগে সমস্যা টের পান। দেখুন বিষয় 3.7 — সার্ভিস লেভেল ম্যানেজমেন্ট।
- খাটুনি গুনুন ও সীমিত করুন। পুনরাবৃত্ত হাতে-করা কাজে কত সময় যায় ট্র্যাক করুন, এবং একটি সীমা ঠিক করুন। বাকিটা খাটুনির সবচেয়ে বড় উৎস সরাতে ব্যয় করুন।
- লক্ষণে সতর্ক করুন, এবং সতর্কবার্তা কাজে লাগার মতো রাখুন। প্রতিটি সতর্কবার্তা বলুক ব্যবহারকারীদের জন্য কী ভুল এবং কী করতে হবে। যে সতর্কবার্তায় কেউ কাজ করে না তা সরান বা সারান।
- অন-কল ন্যায্য ও টেকসইভাবে ভাগ করুন। প্রতি শিফটে পেজের সংখ্যা সীমিত করুন, প্রশিক্ষণ ও নথিবদ্ধ এসক্যালেশন পথ দিন, এবং ভার নিয়মিত পর্যালোচনা করুন। দেখুন বিষয় 8.3 — সাংগঠনিক পরিবর্তন ও গ্রহণ।
- দোষারোপ ছাড়া ইনসিডেন্ট পর্যালোচনা করুন এবং শেষ পর্যন্ত যান। টাইমলাইন, অবদানকারী কারণ, এবং মালিক ও তারিখসহ পদক্ষেপ লিখুন। পদক্ষেপ সম্পন্ন হয়েছে কি না যাচাই করুন।
- নিরাপদ অবস্থায় ব্যর্থতার অনুশীলন করুন। স্টেজিংয়ে বা সীমিত ঝুঁকিতে স্পষ্ট থামার বোতামসহ গেম ডে ও ছোট কেওস পরীক্ষা চালান।
- ছোট করে শুরু করুন। একটি গুরুত্বপূর্ণ সেবা বেছে এক বা দুটি SLI ও একটি SLO সংজ্ঞায়িত করুন, এবং বিস্তৃত করার আগে ফল থেকে শিখুন।
দলের সঙ্গে আলোচনার প্রশ্ন
আমাদের ব্যবহারকারীরা এই সেবার জন্য "কাজ করছে" বলতে কী বলবেন, এবং আমরা কি তা মাপি? এটি সূচকের সূচনা বিন্দু। দলগুলো প্রায়ই তার বদলে সার্ভার স্বাস্থ্য মাপে। জিজ্ঞাসা করুন সর্বশেষ কবে আমাদের ড্যাশবোর্ড সবুজ থাকলেও ব্যবহারকারীরা অসন্তুষ্ট ছিলেন। পরবর্তী ধাপে মাপার জন্য একটি ব্যবহারকারীমুখী সূচক বাছুন।
এই সেবা আসলে কতটা নির্ভরযোগ্য হওয়া দরকার, এবং কে তা ঠিক করেছেন? লক্ষ্য প্রায়ই অভ্যাসে ঠিক হয়, যেমন "পাঁচ নাইন"। জিজ্ঞাসা করুন সেবা বন্ধ থাকলে ব্যবহারকারীরা কী করেন এবং এক ঘণ্টা বিভ্রাটের খরচ কত। মতভেদ আশা করুন। পরবর্তী ধাপে একটি উদ্দেশ্য খসড়া করে একজন গ্রাহকের সঙ্গে যাচাই করুন।
আমরা ত্রুটি বাজেট খরচ করে ফেললে কী করব, এবং সত্যিই কি তা করব? যে নীতি কখনো প্রয়োগ হয় না তা মানুষকে উপেক্ষা করতে শেখায়। জিজ্ঞাসা করুন সর্বশেষ যখন নির্ভরযোগ্যতা ভুগল এবং পরিবর্তন চলতে থাকল তখন কী হয়েছিল। পরবর্তী ধাপে একটি ছোট, নির্দিষ্ট সাড়া এবং কে সিদ্ধান্ত নেবে তা ঠিক করুন।
আমাদের দলের খাটুনির তিনটি বৃহত্তম উৎস কী, এবং প্রতিটি সরাতে কী লাগবে? মানুষকে পুনরাবৃত্ত কাজের তালিকা করতে এবং সময় অনুমান করতে বলুন। হাতে পুনরায় চালু, ডেটা সংশোধন ও অ্যাক্সেস অনুরোধ আশা করুন। পরবর্তী ধাপে একটি আইটেম বেছে অটোমেট করার কাজ এবং এক বছরে বাঁচানো সময়ের তুলনা অনুমান করুন।
গত মাসে আমাদের অন-কল মানুষেরা কয়টি পেজ পেয়েছেন, এবং কয়টিতে মানুষের পদক্ষেপ দরকার ছিল? এটি সতর্কবার্তার মান ও কাজের ভার যাচাই করে। সংখ্যা চান; কেউ না জানলে সেটাই একটি পর্যবেক্ষণ। পরবর্তী ধাপে সারানো বা মুছে ফেলার জন্য সবচেয়ে কোলাহলপূর্ণ সতর্কবার্তাটি বাছুন।
সতর্কবার্তা বা ইনসিডেন্ট সারসংক্ষেপে এআই কোথায় সাহায্য করতে পারে, এবং আমরা তার ভুল কীভাবে টের পাব? এআই সতর্কবার্তা গুচ্ছবদ্ধ করতে, সারসংক্ষেপ খসড়া করতে এবং রানবুক ধাপ প্রস্তাব করতে পারে। এটি প্রকৃত সংকেত লুকাতে বা কারণ বানিয়ে ফেলতেও পারে। জিজ্ঞাসা করুন এর মালিক কে এবং আউটপুট কীভাবে যাচাই হয়। পরবর্তী ধাপে মানব প্রক্রিয়ার পাশাপাশি একটি সারসংক্ষেপ টুল পরীক্ষা করে তুলনা করুন।
বাস্তবে: সেবা ব্যবস্থাপনার একটি উদাহরণ
একটি জাতীয় গ্রন্থাগারের ডিজিটাল আর্কাইভ দল গবেষকদের জন্য একটি অনুসন্ধান সেবা চালায়। ছয়জনের দল পালা করে অন-কলে থাকে। পেজ আসে রাতে প্রায় সপ্তাহে একবার, বেশিরভাগ একটি ব্যাচ সার্ভারের ডিস্ক-স্পেস সতর্কবার্তা থেকে, যা কেউ হাতে পরিষ্কার করেন। ব্যবস্থাপনা বার্ষিক পরিকল্পনায় "99.99 শতাংশ প্রাপ্যতা" চায়, যদিও বর্তমান কর্মক্ষমতা কেউ মাপেনি।
দল প্রধান একটি ছোট পরীক্ষার প্রস্তাব দেন। দুজন গবেষককে নিয়ে দলটি একটি সূচক সংজ্ঞায়িত করে: দুই সেকেন্ডের মধ্যে ফল ফেরত দেওয়া অনুসন্ধান অনুরোধের অনুপাত। তারা এক মাস মাপে এবং 99.2 শতাংশ পায়। গবেষকেরা বলেন, তাঁরা ধীরতা টের পান কেবল অনুসন্ধান পাঁচ সেকেন্ডের বেশি লাগলে, যা প্রায় 0.3 শতাংশ অনুরোধে ঘটে, বেশিরভাগ রাতের সূচক পুনর্নির্মাণের সময়। তাঁরা 30 দিনে দুই সেকেন্ডের মধ্যে 99.5 শতাংশের একটি উদ্দেশ্যে এবং একটি ত্রুটি বাজেট নীতিতে সম্মত হন: কোনো সময়কালে বাজেটের 75 শতাংশের বেশি খরচ হলে দল জরুরি নয় এমন রিলিজ স্থগিত করে এবং বৃহত্তম কারণ সারায়।
দল খাটুনিও গোনে। হাতে ডিস্ক পরিষ্কার করতে মাসে প্রায় দুই ঘণ্টা লাগে এবং কাউকে জাগিয়ে তোলে। তারা পরিষ্কার করা অটোমেট করে, ডিস্ক পূর্ণ হওয়ার বদলে দ্রুত বৃদ্ধির জন্য একটি সতর্কবার্তা যোগ করে, এবং ব্যাকআপ থেকে সূচক পুনরুদ্ধারের একটি গেম ডে মহড়া দেয়।
যা বদলায়: রাতের পেজ কমে, এবং প্রথম ত্রৈমাসিকে বাজেট কমে এলে একবার রিলিজ স্থগিত হয়, কারণ একটি ধীর কোয়েরি পর্যন্ত খুঁজে পাওয়া যায়। যা এখনো কঠিন: বার্ষিক পরিকল্পনায় এখনো "99.99 শতাংশ" লেখা, কারণ জ্যেষ্ঠ ব্যবস্থাপকেরা এটি বদলাতে সম্মত হননি; সূচক পুনর্নির্মাণ অন্য বিভাগের চালানো একটি স্টোরেজ সেবার ওপর নির্ভর করে; এবং ভিন্ন সময় অঞ্চলের গবেষকেরা সেবাটি একইভাবে অনুভব করেন কি না, দল নিশ্চিত নয়। প্রধান পরিকল্পনার শব্দচয়ন পরবর্তী পর্যালোচনায় তোলেন।
চারটি দৃষ্টিকোণ
পণ্য ও ডেলিভারি দল
উদ্দেশ্য ও বাজেট অপারেশনের সঙ্গে ভাগ করুন। নির্ভরযোগ্যতার কাজ ব্যাকলগে রাখুন, ক্রমবর্ধমানভাবে রিলিজ করুন এবং পরিবর্তনের প্রভাব লক্ষ করুন। বাজেট খরচ হলে কারণ কমানোর প্রচেষ্টায় যোগ দিন।
সেবা ও অপারেশন দল
ব্যবহারকারীদের সঙ্গে সূচক সংজ্ঞায়িত করুন, সতর্কবার্তা কাজে লাগার মতো রাখুন, এবং খাটুনি সরায় এমন প্রকৌশলে সময় দিন। অন-কলের ভার ও ইনসিডেন্টের ডেটা পরিকল্পনায় আনুন। এমন পর্যালোচনা লিখুন যা ট্র্যাক করা পদক্ষেপে পৌঁছায়।
নেতৃত্ব ও শাসন
প্রকৃত প্রয়োজন প্রতিফলিত করে এমন উদ্দেশ্য ঠিক করুন, এবং বাজেট নীতি পরিবর্তন ধীর করতে বললে তার পাশে দাঁড়ান। খাটুনি হ্রাস ও নির্ভরযোগ্যতার কাজের সময়ে অর্থ দিন। নিখুঁততা চাইবেন না।
গ্রাহক ও ব্যবহারকারী
আপনার জন্য "কাজ করছে" মানে কী তা আপনাকে জিজ্ঞাসা করা এবং লক্ষ্য কী তা জানানো উচিত। সমস্যা স্পষ্টভাবে জানান, এবং কী করা হয়েছে তা শোনার আশা করুন। লক্ষ্য আপনার প্রয়োজনের জন্য ভুল মনে হলে বলুন।
এজাইল, এআই, অটোমেশন ও বিশ্লেষণ
এজাইল
SRE ধারাবাহিক ডেলিভারি ও উন্নয়নে পরিমাপযোগ্য নির্ভরযোগ্যতার লক্ষ্য যোগ করে। উদ্দেশ্য ঠিক করায় অংশীজনদের জড়িত রাখুন এবং নিয়মিত পর্যালোচনা করুন। সতর্কতা: ত্রুটি বাজেট বিচারের বিকল্প নয়; ডেটা ফাঁসের মতো কিছু ইনসিডেন্ট বাজেট নির্বিশেষে গুরুত্বপূর্ণ।
এআই
এআই সম্পর্কিত সতর্কবার্তা গুচ্ছবদ্ধ করতে, সম্ভাব্য কারণ প্রস্তাব করতে এবং ইনসিডেন্ট সারসংক্ষেপ খসড়া করতে পারে। প্রতিটি ব্যবহারে একজন মালিক, সিদ্ধান্তের জন্য একজন দায়ী ব্যক্তি, এবং এআই-এর পরামর্শ আসলে যা ঘটেছিল তার সঙ্গে তুলনার একটি উপায় দরকার। সতর্কতা: কোলাহল কমাতে সতর্কবার্তা দমন করা এআই প্রকৃত ব্যর্থতা লুকাতে পারে; পরিচিত ইনসিডেন্ট দিয়ে পরীক্ষা করুন। দেখুন বিষয় 5.2 — এআইঅপস।
অটোমেশন
খাটুনি অটোমেট করুন: পুনরায় চালু, পরিষ্কার, নিয়মিত অ্যাক্সেস এবং পুনরাবৃত্ত রোগনির্ণয়, লগ, সীমা এবং বন্ধ করার উপায়সহ। সতর্কতা: প্রোডাকশনে কাজ করা অটোমেশন ইনসিডেন্ট খারাপ করতে পারে; হার সীমা ও হাতে থামানোর উপায় যোগ করুন। দেখুন বিষয় 6.6 — রানবুক অটোমেশন ও স্বয়ংক্রিয় প্রতিকার।
বিশ্লেষণ
SLI, SLO অর্জন, ত্রুটি বাজেটের ক্ষয়, খাটুনির ঘণ্টা এবং সতর্কবার্তার মান ব্যবহার করুন। সতর্কতা: সহজে পূরণ করা যায় বলে বাছা উদ্দেশ্য, বা ব্যবহারকারীর অভিজ্ঞতার অংশ উপেক্ষা করা সূচক মিথ্যা স্বস্তি দেয়; ব্যবহারকারীর অভিযোগের বিপরীতে যাচাই করুন। দেখুন বিষয় 7.4 — পর্যবেক্ষণযোগ্যতা ও টেলিমেট্রি এবং Service Management Metrics বই।
সাধারণ ব্যর্থতার ধরন
- অন্যদের কাছ থেকে সংখ্যা নকল করা। প্রয়োজন না জেনেই "পাঁচ নাইন" নেওয়া হয়। ব্যবহারকারীর প্রয়োজন ও খরচ থেকে ঠিক করুন।
- ব্যবহারকারীকে মিস করা সূচক। ড্যাশবোর্ড সবুজ আর ব্যবহারকারীরা অভিযোগ করেন। ব্যবহারকারীরা যা অনুভব করেন তা মাপুন।
- কেউ মানে না এমন বাজেট নীতি। বাজেট শেষ হলেও পরিবর্তন চলতে থাকে। সাড়া আগে ঠিক করুন এবং প্রয়োগ করুন।
- সতর্কবার্তার কোলাহল। অন-কল মানুষেরা পেজ উপেক্ষা করেন। প্রতিটি সতর্কবার্তা কাজে লাগার মতো করুন।
- স্বাভাবিক হিসেবে খাটুনি। দল কখনো অটোমেট করার সময় পায় না। গুনুন এবং সীমা ঠিক করুন।
- অপারেশনের নতুন নাম হিসেবে SRE। অনুশীলন গৃহীত হয় না। সূচক, উদ্দেশ্য ও বাজেট সংজ্ঞায়িত করুন।
- বীরের সংস্কৃতি। একজন ব্যক্তি প্রতিটি ইনসিডেন্ট সমাধান করেন। জ্ঞান ও রানবুক ভাগ করুন।
পরিপক্বতা মডেল
| মাত্রা | সূচনা | বিকাশ | মানসম্মতকরণ | ব্যবস্থাপনা | সমন্বয় |
|---|---|---|---|---|---|
| সূচক ও উদ্দেশ্য | ব্যবহারকারীমুখী মাপকাঠি নেই | শুধু অবকাঠামোর মাপকাঠি | মূল সেবার জন্য ব্যবহারকারী-কেন্দ্রিক SLI ও SLO | উদ্দেশ্য ব্যবহারকারী ও খরচসহ পর্যালোচিত | উদ্দেশ্য নির্ভরশীল সেবা জুড়ে সমন্বিত |
| ত্রুটি বাজেট | নেই | আলোচিত | লিখিত নীতি প্রয়োগ করা | নীতির ফল পর্যালোচিত | বাজেট দল ও অংশীদার জুড়ে ভাগ করা |
| খাটুনি | অমাপা | অনানুষ্ঠানিকভাবে চিহ্নিত | গোনা ও সীমিত | ট্র্যাক করা অটোমেশনে কমানো | ভাগ করা টুলে সেবা জুড়ে কমানো |
| ইনসিডেন্ট থেকে শিক্ষা | দোষারোপ | কিছু পর্যালোচনা | ট্র্যাক করা পদক্ষেপসহ দোষারোপহীন পর্যালোচনা | পদক্ষেপ সম্পন্ন হওয়া ও পুনরাবৃত্তি মাপা | শিক্ষা প্রতিষ্ঠান জুড়ে ভাগ করা |
চেকলিস্ট
- প্রতিটি গুরুত্বপূর্ণ সেবার অন্তত একটি ব্যবহারকারীমুখী সূচক আছে।
- প্রতিটির জন্য যাঁরা এর ওপর নির্ভর করেন তাঁদের সঙ্গে সম্মত একটি উদ্দেশ্য আছে।
- ত্রুটি বাজেট প্রায় শেষ হলে কী হয় তা আমরা লিখে রেখেছি।
- আমাদের অভ্যন্তরীণ উদ্দেশ্য আমাদের চুক্তির চেয়ে কঠোর।
- আমরা খাটুনি ট্র্যাক করি এবং একটি সীমা আছে।
- সতর্কবার্তা কাজে লাগার মতো, আর কোলাহলপূর্ণগুলো সারানো বা সরানো হয়।
- অন-কলের ভার মাপা এবং টেকসই।
- ইনসিডেন্ট পর্যালোচনা দোষারোপহীন এবং পদক্ষেপ সম্পন্ন হওয়া পর্যন্ত ট্র্যাক করা হয়।
এআই প্রম্পট
প্রার্থী সূচক খসড়া করুন।
Our service: [describe what it does and who uses it]. What users complain about: [list].
Propose up to five candidate service level indicators, each with what it measures, how it could be computed from [available data sources], and one way it could mislead. Do not choose an objective.
List what you are unsure of.
ত্রুটি বাজেটের ক্ষয় গণনা করুন।
Our objective: [for example, 99.5 percent of requests under two seconds over 30 days]. Here are daily counts of good and total events for the period: [paste data].
Calculate attainment so far, the error budget used as a percentage, and the daily burn rate, showing each calculation. Do not predict beyond the data.
List what you are unsure of.
খাটুনির প্রার্থীদের ক্রম দিন।
Here is a list of repetitive tasks our team does, with how often and how long each takes: [paste list].
Compute hours per month for each, rank them, and for the top five list one question about whether automating it is safe. Do not recommend specific tools.
List what you are unsure of.
এআই স্কিল
- service-level-agreement: উদ্দেশ্যকে চুক্তির সঙ্গে সম্পর্কিত করতে ব্যবহার করুন।
- postmortem: ট্র্যাক করা পদক্ষেপসহ দোষারোপহীন পর্যালোচনা চালাতে ব্যবহার করুন।
- chaos-testing: নিরাপদ ব্যর্থতার পরীক্ষার পরিকল্পনা করতে ব্যবহার করুন।
- capacity-planning: চাহিদা ও সীমার পূর্বাভাস দিতে ব্যবহার করুন।
মূল সূত্র
- Betsy Beyer, Chris Jones, Jennifer Petoff, and Niall Richard Murphy (eds.), Site Reliability Engineering: How Google Runs Production Systems (2016), sre.google-তে বিনামূল্যে পাওয়া যায়: অনুশীলনের প্রধান সূত্র।
- Betsy Beyer and others (eds.), The Site Reliability Workbook (2018): গ্রহণের ব্যবহারিক নির্দেশনা।
- Wikipedia, "Site reliability engineering": একটি নিরপেক্ষ পরিচিতি।
- Wikipedia, "Service-level objective": পরিভাষার পটভূমি।
তথ্যসূত্র
- Site reliability engineering — Wikipedia — https://en.wikipedia.org/wiki/Site_reliability_engineering
- Service-level objective — Wikipedia — https://en.wikipedia.org/wiki/Service-level_objective
- Service level indicator — Wikipedia — https://en.wikipedia.org/wiki/Service_level_indicator
- Service-level agreement — Wikipedia — https://en.wikipedia.org/wiki/Service-level_agreement
- Capacity planning — Wikipedia — https://en.wikipedia.org/wiki/Capacity_planning
- Reliability engineering — Wikipedia — https://en.wikipedia.org/wiki/Reliability_engineering
- Chaos engineering — Wikipedia — https://en.wikipedia.org/wiki/Chaos_engineering
- Observability (software) — Wikipedia — https://en.wikipedia.org/wiki/Observability_(software)
- Postmortem documentation — Wikipedia — https://en.wikipedia.org/wiki/Postmortem_documentation
- Site Reliability Engineering: How Google Runs Production Systems — Google — https://sre.google/sre-book/table-of-contents/