Servizi di site reliability engineering
Servizi di site reliability engineering (SRE) per sistemi che devono restare attivi: obiettivi di livello di servizio ed error budget, osservabilità con OpenTelemetry, reperibilità e gestione degli incidenti, load testing e capacity planning, disaster recovery e chaos engineering, e attività operative ripetitive eliminate con l’automazione, con site reliability engineer dedicati per il Suo team o progetti SRE realizzati end to end.
I servizi SRE che offriamo
Osservabilità dal codice al cliente
Servizi strumentati con OpenTelemetry, con metriche, log e tracce in Prometheus, Loki e Tempo sotto Grafana, oppure in Datadog, New Relic, Dynatrace o Elastic, collegati da un trace ID così che una singola richiesta lenta possa essere seguita attraverso tutti i servizi toccati.
Obiettivi di livello di servizio ed error budget
Indicatori misurati su ciò che gli utenti sperimentano, come latenza e richieste fallite, obiettivi concordati con il product owner e avvisi di burn rate generati con Sloth o Pyrra, così un error budget esaurito porta il lavoro sull’affidabilità davanti alle nuove funzionalità.
Turni di reperibilità e alerting
Turni e policy di escalation in PagerDuty, incident.io, Grafana IRM o Jira Service Management, avvisi ripuliti finché ciascuno richiede una persona, un runbook collegato da ogni chiamata e pianificazioni di Opsgenie trasferite prima che Atlassian lo chiuda ad aprile 2027.
Gestione degli incidenti e postmortem
Livelli di gravità, un responsabile dell’incidente e una cadenza per gli aggiornamenti della status page concordati prima della prima interruzione, ogni incidente gestito nel proprio canale Slack o Teams e un postmortem senza attribuzione di colpe le cui azioni vengono seguite fino al completamento.
Automazione del toil e production readiness
Attività operative ripetitive misurate e poi automatizzate: rinnovi di certificati, riavvii, failover e pulizie gestiti da script e operator Kubernetes, e una verifica di prontezza prima che ogni nuovo servizio riceva traffico di produzione.
Test di carico e di prestazioni
Test di carico, di stress e di durata con k6, Gatling, Locust o JMeter su ambienti simili alla produzione e nella pipeline, con profilazione per individuare dove va il tempo quando un test non raggiunge l’obiettivo.
Capacity planning e autoscaling
Previsione della crescita a partire dal traffico reale, autoscaling sui segnali che contano, come la lunghezza delle code tramite KEDA o le richieste al secondo, e margine mantenuto per i picchi di vendita e per la perdita di un’intera zona.
Esercitazioni di disaster recovery
Obiettivi di tempo e di punto di ripristino definiti per servizio, backup ripristinati e failover tra regioni eseguiti a intervalli pianificati e risultato misurato confrontato con l’obiettivo, così si sa che il piano di ripristino funziona prima che serva.
Chaos engineering
Guasti iniettati di proposito con AWS Fault Injection Service, Azure Chaos Studio, Chaos Mesh o LitmusChaos: un’istanza fermata, una dipendenza rallentata, una zona isolata, iniziando in staging e passando alla produzione quando sistema e team sono pronti.
Ingaggiare site reliability engineer
site reliability engineer dedicati
Site reliability engineer che entrano a tempo pieno nel Suo team, lavorano con i Suoi strumenti e il Suo processo e rispondono al Suo responsabile. Li intervista Lei; noi ci occupiamo del contratto ucraino, delle buste paga, della fatturazione e delle ferie.
Progetti di Site reliability engineering
Un’attività di site reliability engineering ben definita, con un perimetro, un piano fisso e un responsabile nominato da parte nostra che risponde del risultato e riferisce sull’avanzamento nei Suoi canali.
site reliability engineering su base continuativa
Site reliability engineering come servizio continuativo: le stesse persone ogni mese, un backlog di cui Lei stabilisce le priorità e ore che può vedere nel nostro portale e in fattura.
La pagina sul team dedicato spiega come gli specialisti entrano nel Suo team, e la pagina sull’outsourcing tratta la realizzazione di progetti, le prese in carico e il modo in cui fatturiamo.
Chi si occupa di site reliability engineering per Lei
Site reliability engineer
Livelli di servizio, reperibilità, incidenti e automazione
Ingegneri di osservabilità
Strumentazione, dashboard e regole di allerta
Ingegneri DevOps e di piattaforma
Pipeline, infrastructure as code e Kubernetes
Performance engineer
Test di carico, profilazione e modelli di capacità
Sviluppatori backend
Correzioni per i guasti ricondotti al codice
Come facciamo SRE
L’affidabilità si stabilisce per accordo e non in base al numero di avvisi: ogni servizio ha obiettivi approvati dal product owner, gli avvisi scattano quando l’error budget si consuma e non a ogni picco di CPU, e quando il budget si esaurisce il lavoro sull’affidabilità passa davanti alle nuove funzionalità finché non si ripristina. Dashboard, regole di allerta e runbook risiedono in Git accanto al codice e cambiano tramite pull request.
Su un sistema costruito da un altro team partiamo da una verifica in sola lettura di monitoraggio, avvisi, incidenti passati e piani di ripristino, e da un elenco scritto dei rischi in ordine di impatto. La reperibilità inizia solo quando le fasce orarie coperte, il tempo di risposta per ciascun livello di gravità e il percorso di escalation verso il Suo team sono concordati per iscritto, e ogni incidente si conclude con una revisione senza attribuzione di colpe e con azioni seguite fino al completamento.
Altri servizi di cloud, DevOps e sicurezza
Sviluppo AWS
Servizi di sviluppo AWS: container EKS ed ECS, serverless, landing zone, migrazioni, database, piattaforme di dati, AI generativa con Bedrock, sicurezza e ottimizzazione dei costi, con ingegneri AWS dedicati o realizzazione di progetti.
Sviluppo Google Cloud
Servizi di sviluppo Google Cloud: Cloud Run e GKE, BigQuery, backend Firebase, Cloud SQL e AlloyDB, Gemini su Agent Platform, sicurezza e migrazioni, con ingegneri Google Cloud dedicati o realizzazione di progetti.
Consulenza Kubernetes
Consulenza e sviluppo Kubernetes: cluster su EKS, AKS, GKE e on premises, Helm, GitOps con Argo CD o Flux, sicurezza dei cluster, aggiornamenti e carichi di lavoro GPU, con ingegneri Kubernetes dedicati o realizzazione di progetti.
DevOps e CI/CD
Servizi DevOps e CI/CD: pipeline, infrastructure as code con Terraform, observability, SRE e reperibilità, DevSecOps, platform engineering e FinOps, con ingegneri DevOps e SRE dedicati o attività DevOps continuative.
Cybersecurity e penetration test
Servizi di cybersecurity e penetration test: pentest di web, mobile, API, rete e cloud, secure code review, SOC e incident response, ISO 27001 e SOC 2, con ingegneri della sicurezza dedicati o progetti definiti.
Infrastruttura IT
Servizi di infrastruttura IT e amministrazione di sistema: server Windows e Linux, reti, Microsoft 365 ed Entra ID, virtualizzazione, backup e telecomunicazioni, con amministratori di sistema dedicati o supporto continuativo.
Platform engineering
Servizi di platform engineering: internal developer platform, portali Backstage, golden path e template, infrastruttura self-service e piattaforme Kubernetes, con platform engineer dedicati o realizzazione di progetti.
Architettura cloud
Servizi di architettura e consulenza cloud: progetti per AWS, Azure e Google Cloud, piani di migrazione, landing zone, revisioni Well-Architected, resilienza e costi, con architetti cloud dedicati o realizzazione di progetti.
FinOps
Servizi di FinOps e ottimizzazione dei costi cloud: allocazione dei costi, rightsizing, savings plan e riserve, costi di Kubernetes, dati e AI, budget e avvisi di anomalia, con ingegneri FinOps dedicati o realizzazione di progetti.
Terraform e IaC
Servizi Terraform e infrastructure as code: moduli Terraform e OpenTofu, import, pipeline di plan e apply, controllo del drift, policy as code e Ansible, con ingegneri Terraform dedicati o realizzazione di progetti.
Amministrazione Linux
Servizi di amministrazione Linux: server Ubuntu, Debian, RHEL, Rocky Linux e AlmaLinux configurati, aggiornati con patch, protetti con hardening, monitorati e salvati in backup, e aggiornamenti per sistemi a fine vita, con amministratori Linux dedicati o supporto continuativo.
Network engineering
Servizi di network engineering: routing e switching, firewall, SD-WAN e accesso zero-trust, reti cloud, Wi-Fi e automazione su Cisco, Juniper e Fortinet, con network engineer dedicati o realizzazione di progetti.
Sicurezza del cloud
Servizi di sicurezza del cloud: CSPM e CNAPP, revisioni IAM, sicurezza di Kubernetes, protezione di rete e dati e conformità cloud su AWS, Azure e Google Cloud, con ingegneri della sicurezza cloud dedicati o realizzazione di progetti.
SOC e monitoraggio della sicurezza
SOC as a service e monitoraggio della sicurezza: SOC gestito, implementazione SIEM, onboarding dei log, detection engineering, EDR, threat hunting e retainer di incident response, con analisti SOC dedicati o monitoraggio continuativo.
Conformità di sicurezza
Conformità di sicurezza e preparazione agli audit: controlli ISO 27001, SOC 2, GDPR, PCI DSS, HIPAA, NIS2 e DORA, gap assessment ed evidenze per l’audit, con ingegneri della conformità dedicati o un progetto di preparazione.
Domande sul site reliability engineering
In quali settori lavorano i vostri site reliability engineer?
Soprattutto fintech e banche, dove i sistemi di pagamento e di trading sono soggetti a requisiti stringenti di disponibilità e a norme di resilienza come il DORA; provider cloud, hosting e telecom i cui clienti dipendono dalla loro disponibilità; e-commerce e retail, con la capacità pianificata attorno ai picchi di vendita; prodotti SaaS enterprise con impegni di disponibilità nei contratti; piattaforme sanitarie; prodotti AI e di dati con carichi di lavoro GPU e pipeline da mantenere attivi; e aziende di sicurezza.
Qual è la differenza tra SRE e DevOps?
Il DevOps riguarda il modo in cui il codice arriva in produzione: pipeline, infrastructure as code e rilasci. L’SRE riguarda come il codice si comporta una volta lì: obiettivi di disponibilità e latenza, il monitoraggio che li misura, la reperibilità, la risposta agli incidenti e l’ingegneria che elimina i guasti ricorrenti. La maggior parte dei team ha bisogno di entrambi e noi forniamo l’uno, l’altro o entrambi.
Con quali strumenti di osservabilità lavorate?
OpenTelemetry per la strumentazione; Prometheus, Grafana, Loki, Tempo e Mimir, self-hosted o come Grafana Cloud; Datadog, New Relic, Dynatrace, Elastic e Splunk; Azure Monitor, Amazon CloudWatch e Google Cloud Observability; e PagerDuty, incident.io e Grafana IRM per la reperibilità. Lavoriamo con gli strumenti che l’azienda già paga.
Con quale rapidità possono iniziare site reliability engineer?
Quando è disponibile il profilo giusto per il ruolo di site reliability engineer, l’avvio dipende soltanto dal Suo colloquio e dalla firma dell’NDA e della cessione della proprietà intellettuale. Altrimenti avviamo una ricerca, che di norma produce profili di candidati entro due o tre settimane, e nessuno inizia finché Lei non ha detto di sì.
Come ingaggiare site reliability engineer tramite BigTree108?
Ci indichi il lavoro, il livello di seniority e l’impegno orario necessario. Le proponiamo una o due persone con i rispettivi profili, Lei le intervista come farebbe con una Sua assunzione e firma un unico contratto con BIG TREE 108 LLC, ricevendo una sola fattura al mese.
A chi appartiene il lavoro che producono?
A Lei. Ogni specialista ha un contratto firmato con BigTree108 che cede all’azienda tutto il lavoro prodotto, e il nostro accordo con Lei lo cede a sua volta. Codice, design e documenti vengono consegnati nei Suoi repository e strumenti, non conservati dove solo noi possiamo modificarli.
Cerca site reliability engineer?
Ci indichi che cosa gira in produzione, come lo monitora e che cosa è andato storto di recente. Riceverà una risposta entro un giorno lavorativo: un piano, profili di candidati oppure un perimetro per una verifica dell’affidabilità.