Site reliability engineering
Site reliability engineering (SRE) til systemer, der skal holde sig oppe: service-level objectives og error budgets, observerbarhed med OpenTelemetry, vagtberedskab og incident management, belastningstest og kapacitetsplanlægning, disaster recovery og chaos engineering, og gentagne driftsopgaver automatiseret væk, med dedikerede site reliability-ingeniører til jeres team eller SRE-projekter leveret fra start til slut.
SRE-ydelser, vi leverer
Observerbarhed fra kode til kunde
Tjenester instrumenteret med OpenTelemetry, med metrikker, logs og traces i Prometheus, Loki og Tempo under Grafana eller i Datadog, New Relic, Dynatrace eller Elastic, forbundet af et trace-ID, så én langsom forespørgsel kan følges gennem hver tjeneste, den berørte.
Service-level objectives og error budgets
Indikatorer målt ud fra det, brugerne oplever, som latenstid og fejlede forespørgsler, mål aftalt med product owneren og burn-rate-alarmer genereret med Sloth eller Pyrra, så et opbrugt error budget rykker pålidelighedsarbejde foran nye funktioner.
Vagtrotationer og alarmering
Rotationer og eskaleringspolitikker i PagerDuty, incident.io, Grafana IRM eller Jira Service Management, alarmer beskåret, indtil hver enkelt kræver et menneske, en runbook linket fra hver alarmside og Opsgenie-vagtplaner flyttet over, før Atlassian lukker det ned i april 2027.
Incident management og postmortems
Alvorlighedsniveauer, en incident lead og en kadence for opdateringer af statussiden aftalt før det første nedbrud, hver hændelse kørt i sin egen Slack- eller Teams-kanal og en skyldfri postmortem, hvis handlinger følges, til de er udført.
Automatisering af toil og produktionsparathed
Gentagne driftsopgaver målt og derefter automatiseret: certifikatfornyelser, genstarter, failovers og oprydninger håndteret af scripts og Kubernetes-operators, og en parathedsgennemgang, før hver ny tjeneste tager produktionstrafik.
Belastnings- og ydelsestest
Load-, stress- og soak-tests i k6, Gatling, Locust eller JMeter mod produktionslignende miljøer og i pipelinen, med profilering for at finde ud af, hvor tiden går, når en test misser sit mål.
Kapacitetsplanlægning og autoskalering
Vækstprognose ud fra reel trafik, autoskalering på de signaler, der tæller, som kødybde gennem KEDA eller forespørgsler pr. sekund, og reservekapacitet til salgstoppe og til tab af en hel zone.
Øvelser i disaster recovery
Mål for genoprettelsestid og genoprettelsespunkt sat pr. tjeneste, backups gendannet og regioner failet over efter en tidsplan, og det målte resultat sammenlignet med målet, så det er kendt, at genoprettelsesplanen virker, før der er brug for den.
Chaos engineering
Fejl indsat med vilje med AWS Fault Injection Service, Azure Chaos Studio, Chaos Mesh eller LitmusChaos: en instans stoppet, en afhængighed bremset, en zone afskåret, startende i staging og med flytning til produktion, når systemet og teamet er klar.
Ansæt site reliability-ingeniører
Dedikerede site reliability-ingeniører
Site reliability-ingeniører, der indgår i jeres team på fuld tid, arbejder i jeres værktøjer og processer og rapporterer til jeres leder. I interviewer dem; vi står for den ukrainske kontrakt, lønudbetalingen, faktureringen og ferie og orlov.
Projekter inden for Site reliability engineering
En afgrænset opgave inden for site reliability engineering med et fast omfang, en fast plan og en navngiven leder hos os, der ejer resultatet og rapporterer fremdriften i jeres kanaler.
Løbende site reliability engineering
Site reliability engineering som løbende ydelse: de samme folk hver måned, en backlog, I selv prioriterer, og timer, I kan se i vores portal og på fakturaen.
Siden om dedikerede teams forklarer, hvordan specialister indgår i jeres team, og siden om outsourcing beskriver projektleverance, overtagelser og hvordan vi tager betaling.
Hvem arbejder med jeres site reliability engineering
Site reliability-ingeniører
Service levels, vagtberedskab, hændelser og automatisering
Observerbarhedsingeniører
Instrumentering, dashboards og alarmregler
DevOps- og platformingeniører
Pipelines, infrastructure as code og Kubernetes
Performanceingeniører
Belastningstests, profilering og kapacitetsmodeller
Backend-udviklere
Rettelser af fejl, der er sporet tilbage til koden
Sådan arbejder vi med SRE
Pålidelighed fastsættes ved aftale frem for ved antallet af alarmer: hver tjeneste har mål, som product owneren har godkendt, alarmer udløses, når error budgettet brænder, frem for ved hver CPU-spids, og når budgettet er opbrugt, går pålidelighedsarbejde forud for nye funktioner, indtil det er genoprettet. Dashboards, alarmregler og runbooks ligger i Git ved siden af koden og ændres gennem pull requests.
På et system, et andet team har bygget, starter vi med en skrivebeskyttet gennemgang af overvågning, alarmer, tidligere hændelser og genoprettelsesplaner og en skriftlig liste over risici i rækkefølge efter effekt. Vagtberedskab starter først, når de dækkede tider, responstiden for hver alvorlighedsgrad og eskalationsvejen ind i jeres team er aftalt skriftligt, og hver hændelse ender med en skyldfri gennemgang og handlinger, der følges, til de er udført.
Andre ydelser inden for cloud, DevOps og sikkerhed
AWS-udvikling
AWS-udvikling: containere på EKS og ECS, serverless, landing zones, migreringer, databaser, dataplatforme, generativ AI med Bedrock, sikkerhed og omkostningsoptimering, med dedikerede AWS-ingeniører eller projektleverance.
Google Cloud-udvikling
Google Cloud-udvikling: Cloud Run og GKE, BigQuery, Firebase-backends, Cloud SQL og AlloyDB, Gemini på Agent Platform, sikkerhed og migreringer, med dedikerede Google Cloud-ingeniører eller projektleverance.
Kubernetes-rådgivning
Kubernetes-rådgivning og -udvikling: klynger på EKS, AKS, GKE og on premises, Helm, GitOps med Argo CD eller Flux, sikkerhed i klynger, opgraderinger og GPU-workloads, med dedikerede Kubernetes-ingeniører eller projektleverance.
DevOps og CI/CD
DevOps og CI/CD: pipelines, infrastruktur som kode med Terraform, observability, SRE og vagtberedskab, DevSecOps, platform engineering og FinOps, med dedikerede DevOps- og SRE-ingeniører eller løbende DevOps-arbejde.
Cybersikkerhed og pentest
Cybersikkerhed og penetrationstest: pentests af web, mobil, API, netværk og cloud, sikker kodegennemgang, SOC og incident response, ISO 27001 og SOC 2, med dedikerede sikkerhedsingeniører eller afgrænsede projekter.
IT-infrastruktur
IT-infrastruktur og systemadministration: Windows- og Linux-servere, netværk, Microsoft 365 og Entra ID, virtualisering, sikkerhedskopier og telekom, med dedikerede systemadministratorer eller løbende support.
Platform engineering
Platform engineering: interne udviklerplatforme, Backstage-portaler, golden paths og skabeloner, self-service-infrastruktur og Kubernetes-platforme, med dedikerede platformingeniører eller projektleverance.
Cloudarkitektur
Cloudarkitektur og rådgivning: design til AWS, Azure og Google Cloud, migreringsplaner, landing zones, Well-Architected-gennemgange, robusthed og omkostninger, med dedikerede cloudarkitekter eller projektleverance.
FinOps
FinOps og optimering af cloudomkostninger: omkostningsfordeling, rightsizing, savings plans og reservationer, Kubernetes, omkostninger til data og AI, budgetter og anomali-alarmer, med dedikerede FinOps-ingeniører eller projektleverance.
Terraform og IaC
Terraform og infrastruktur som kode: moduler i Terraform og OpenTofu, imports, plan- og apply-pipelines, kontrol af konfigurationsdrift, policy as code og Ansible, med dedikerede Terraform-ingeniører eller projektleverance.
Linux-administration
Linux-administration: servere med Ubuntu, Debian, RHEL, Rocky Linux og AlmaLinux sat op, patchet, hærdet, overvåget og sikkerhedskopieret samt end-of-life-opgraderinger, med dedikerede Linux-administratorer eller løbende support.
Netværksteknik
Netværksteknik: routing og switching, firewalls, SD-WAN og zero-trust-adgang, cloudnetværk, Wi-Fi og automatisering på Cisco, Juniper og Fortinet, med dedikerede netværksingeniører eller projektleverance.
Cloudsikkerhed
Cloudsikkerhed: CSPM og CNAPP, gennemgang af IAM, Kubernetes-sikkerhed, netværks- og databeskyttelse og cloud compliance på AWS, Azure og Google Cloud, med dedikerede cloudsikkerhedsingeniører eller projektleverance.
SOC og sikkerhedsovervågning
SOC as a service og sikkerhedsovervågning: managed SOC, udrulning af SIEM, onboarding af logs, detection engineering, EDR, threat hunting og incident response-retainere, med dedikerede SOC-analytikere eller løbende overvågning.
Sikkerhedscompliance
Sikkerhedscompliance og audit readiness: kontroller for ISO 27001, SOC 2, GDPR, PCI DSS, HIPAA, NIS2 og DORA, gap assessments og audit-dokumentation, med dedikerede compliance-ingeniører eller et readiness-projekt.
Spørgsmål om site reliability engineering
Hvilke brancher arbejder jeres site reliability-ingeniører i?
Mest fintech og bank, hvor betalings- og handelssystemer er underlagt strenge krav til oppetid og til robusthedsregler som DORA; cloud-, hosting- og telekomudbydere, hvis kunder afhænger af deres oppetid; e-handel og detail med kapacitet planlagt omkring salgstoppe; enterprise SaaS-produkter med oppetidsforpligtelser i kontrakterne; sundhedsplatforme; AI- og dataprodukter med GPU-workloads og pipelines, der skal holdes kørende; og sikkerhedsvirksomheder.
Hvad er forskellen på SRE og DevOps?
DevOps handler om, hvordan kode når produktion: pipelines, infrastructure as code og releases. SRE handler om, hvordan den opfører sig, når den først er der: mål for tilgængelighed og latenstid, den overvågning, der måler dem, vagtberedskab, incident response og det ingeniørarbejde, der fjerner tilbagevendende fejl. De fleste teams har brug for begge dele, og vi bemander enten den ene eller begge.
Hvilke observerbarhedsværktøjer arbejder I med?
OpenTelemetry til instrumentering; Prometheus, Grafana, Loki, Tempo og Mimir, selvhostet eller som Grafana Cloud; Datadog, New Relic, Dynatrace, Elastic og Splunk; Azure Monitor, Amazon CloudWatch og Google Cloud Observability; og PagerDuty, incident.io og Grafana IRM til vagtberedskab. Vi arbejder i de værktøjer, I allerede betaler for.
Hvor hurtigt kan site reliability-ingeniører starte?
Når den rette site reliability-ingeniør er tilgængelig, afhænger starten kun af jeres samtale samt NDA og overdragelse af IP-rettigheder. Ellers gennemfører vi en søgning, som typisk giver kandidatprofiler inden for to til tre uger, og ingen starter, før I har sagt ja.
Hvordan ansætter vi site reliability-ingeniører gennem BigTree108?
Fortæl os om opgaverne, erfaringsniveauet og det timetal, I har brug for. Vi foreslår en eller to personer med deres profiler, I interviewer dem på samme måde, som I ville interviewe jeres egen medarbejder, og I underskriver én aftale med BIG TREE 108 LLC og modtager én faktura om måneden.
Hvem ejer det arbejde, de producerer?
Det gør I. Hver specialist har en underskrevet kontrakt med BigTree108, som overdrager alt arbejdsresultat til virksomheden, og vores aftale med jer overdrager det videre til jer. Kode, designs og dokumenter leveres ind i jeres egne repositories og værktøjer og opbevares ikke et sted, hvor kun vi kan ændre dem.
Har I brug for site reliability-ingeniører?
Fortæl os, hvad der kører i produktion, hvordan I overvåger det, og hvad der er gået galt på det seneste. I får svar inden for én arbejdsdag: en plan, kandidatprofiler eller et omfang for en pålidelighedsgennemgang.