Usługi site reliability engineering
Usługi site reliability engineering (SRE) dla systemów, które muszą działać: cele poziomu usług i budżety błędów, obserwowalność z OpenTelemetry, dyżury on-call i zarządzanie incydentami, testy obciążeniowe i planowanie pojemności, disaster recovery i chaos engineering oraz automatyzacja powtarzalnej pracy operacyjnej, z dedykowanymi inżynierami site reliability w Państwa zespole lub projektami SRE wykonanymi kompleksowo.
Usługi SRE, które świadczymy
Obserwowalność od kodu do klienta
Usługi oprzyrządowane OpenTelemetry, z metrykami, logami i śladami w Prometheus, Loki i Tempo pod Grafana albo w Datadog, New Relic, Dynatrace lub Elastic, połączonymi identyfikatorem śladu, tak że jedno wolne zapytanie można prześledzić przez każdą usługę, której dotknęło.
Cele poziomu usług i budżety błędów
Wskaźniki mierzone z perspektywy użytkowników, takie jak opóźnienie i nieudane zapytania, cele uzgodnione z właścicielem produktu oraz alerty tempa wypalania generowane przez Sloth lub Pyrra, tak że wyczerpany budżet błędów przesuwa prace nad niezawodnością przed nowe funkcje.
Rotacje on-call i alertowanie
Rotacje i polityki eskalacji w PagerDuty, incident.io, Grafana IRM lub Jira Service Management, alerty przycinane, aż każdy wymaga człowieka, runbook podlinkowany z każdego alertu oraz harmonogramy Opsgenie przeniesione, zanim Atlassian wyłączy je w kwietniu 2027.
Zarządzanie incydentami i postmortemy
Poziomy ważności, lider incydentu i częstotliwość aktualizacji strony statusu uzgodnione przed pierwszą awarią, każdy incydent prowadzony we własnym kanale Slack lub Teams oraz postmortem bez szukania winnych, którego działania są śledzone do skutku.
Automatyzacja powtarzalnej pracy i gotowość produkcyjna
Powtarzalna praca operacyjna mierzona, a następnie automatyzowana: odnowienia certyfikatów, restarty, przełączenia awaryjne i porządki wykonywane przez skrypty i operatory Kubernetes oraz przegląd gotowości, zanim nowa usługa przejmie ruch produkcyjny.
Testy obciążeniowe i wydajnościowe
Testy obciążeniowe, przeciążeniowe i długotrwałe w k6, Gatling, Locust lub JMeter na środowiskach zbliżonych do produkcji i w potoku, z profilowaniem, które pokazuje, gdzie ucieka czas, gdy test nie osiąga celu.
Planowanie pojemności i autoskalowanie
Prognoza wzrostu na podstawie prawdziwego ruchu, autoskalowanie według istotnych sygnałów, takich jak długość kolejki przez KEDA lub liczba zapytań na sekundę, oraz zapas utrzymywany na szczyty sprzedaży i utratę całej strefy.
Ćwiczenia disaster recovery
Cele czasu i punktu odtworzenia ustalone dla każdej usługi, kopie zapasowe odtwarzane i regiony przełączane według harmonogramu, a zmierzony wynik porównywany z celem, tak że plan odtwarzania wiadomo, że działa, zanim będzie potrzebny.
Chaos engineering
Awarie wywoływane celowo za pomocą AWS Fault Injection Service, Azure Chaos Studio, Chaos Mesh lub LitmusChaos: zatrzymana instancja, spowolniona zależność, odcięta strefa, zaczynając od stagingu i przechodząc na produkcję, gdy system i zespół są gotowe.
Zatrudnienie: inżynierowie site reliability
Dedykowani inżynierowie site reliability
Inżynierowie site reliability dołączają do Państwa zespołu na pełny etat, pracują w Państwa narzędziach i procesie oraz podlegają Państwa liderowi. Państwo przeprowadzają rozmowy kwalifikacyjne, a my bierzemy na siebie ukraińską umowę, wynagrodzenia, fakturowanie i urlopy.
Projekty: Site reliability engineering
Wydzielona część prac w obszarze „site reliability engineering”, z określonym zakresem, stałym planem i wskazanym liderem po naszej stronie, który odpowiada za wynik i raportuje postępy w Państwa kanałach.
Stała współpraca: site reliability engineering
Usługa ciągła w obszarze „Site reliability engineering”: ci sami ludzie co miesiąc, backlog, któremu Państwo ustalają priorytety, oraz godziny widoczne w naszym portalu i na fakturze.
Strona o dedykowanym zespole wyjaśnia, jak specjaliści dołączają do Państwa zespołu, a strona o outsourcingu opisuje realizację projektów, przejęcia i sposób rozliczania.
Kto realizuje Państwa prace w obszarze „site reliability engineering”
Inżynierowie site reliability
Poziomy usług, dyżury on-call, incydenty i automatyzacja
Inżynierowie obserwowalności
Oprzyrządowanie, pulpity i reguły alertów
Inżynierowie DevOps i platformy
Potoki, infrastruktura jako kod i Kubernetes
Inżynierowie wydajności
Testy obciążeniowe, profilowanie i modele pojemności
Programiści backend
Poprawki awarii prześledzonych do kodu
Jak robimy SRE
Niezawodność ustala się w drodze umowy, a nie liczbą alertów: każda usługa ma cele zatwierdzone przez właściciela produktu, alerty uruchamiają się, gdy budżet błędów się wypala, a nie przy każdym skoku CPU, a gdy budżet się kończy, prace nad niezawodnością wyprzedzają nowe funkcje, dopóki się nie odbuduje. Pulpity, reguły alertów i runbooki żyją w Git obok kodu i zmieniają się przez pull requesty.
W systemie zbudowanym przez inny zespół zaczynamy od przeglądu tylko do odczytu monitoringu, alertów, dotychczasowych incydentów i planów odtwarzania oraz pisemnej listy ryzyk w kolejności wpływu. Dyżury on-call zaczynają się dopiero wtedy, gdy godziny objęte dyżurem, czas reakcji dla każdego poziomu ważności i ścieżka eskalacji do Państwa zespołu zostaną uzgodnione na piśmie, a każdy incydent kończy się przeglądem bez szukania winnych i działaniami śledzonymi do skutku.
Pozostałe usługi chmury, DevOps i bezpieczeństwa
Programowanie AWS
Usługi programowania AWS: kontenery EKS i ECS, serverless, landing zones, migracje, bazy danych, platformy danych, generatywna AI w Bedrock, bezpieczeństwo i optymalizacja kosztów, z dedykowanymi inżynierami AWS lub realizacją projektu.
Programowanie Google Cloud
Usługi programowania Google Cloud: Cloud Run i GKE, BigQuery, backendy Firebase, Cloud SQL i AlloyDB, Gemini na Agent Platform, bezpieczeństwo i migracje, z dedykowanymi inżynierami Google Cloud lub realizacją projektu.
Doradztwo Kubernetes
Doradztwo i programowanie Kubernetes: klastry na EKS, AKS, GKE i on premises, Helm, GitOps z Argo CD lub Flux, bezpieczeństwo klastrów, aktualizacje i obciążenia GPU, z dedykowanymi inżynierami Kubernetes lub realizacją projektu.
DevOps i CI/CD
Usługi DevOps i CI/CD: pipeline, infrastruktura jako kod w Terraform, observability, SRE i dyżury, DevSecOps, platform engineering i FinOps, z dedykowanymi inżynierami DevOps i SRE lub bieżącą pracą DevOps.
Cyberbezpieczeństwo i pentesty
Usługi cyberbezpieczeństwa i testów penetracyjnych: pentesty aplikacji webowych, mobilnych, API, sieci i chmury, bezpieczny przegląd kodu, SOC i reagowanie na incydenty, ISO 27001 i SOC 2, z dedykowanymi inżynierami bezpieczeństwa lub zdefiniowanymi projektami.
Infrastruktura IT
Usługi infrastruktury IT i administracji systemami: serwery Windows i Linux, sieci, Microsoft 365 i Entra ID, wirtualizacja, kopie zapasowe i telekomunikacja, z dedykowanymi administratorami systemów lub bieżącym wsparciem.
Platform engineering
Usługi platform engineering: wewnętrzne platformy dla programistów, portale Backstage, golden paths i szablony, infrastruktura samoobsługowa i platformy Kubernetes, z dedykowanymi inżynierami platformy lub realizacją projektu.
Architektura chmurowa
Usługi architektury chmurowej i doradztwa: projekty dla AWS, Azure i Google Cloud, plany migracji, landing zones, przeglądy Well-Architected, odporność i koszty, z dedykowanymi architektami chmury lub realizacją projektu.
FinOps
Usługi FinOps i optymalizacji kosztów chmury: alokacja kosztów, rightsizing, savings plans i rezerwacje, koszty Kubernetes, danych i AI, budżety i alerty o anomaliach, z dedykowanymi inżynierami FinOps lub realizacją projektu.
Terraform i IaC
Usługi Terraform i infrastruktury jako kod: moduły Terraform i OpenTofu, importy, pipeline plan i apply, kontrola dryfu, policy as code i Ansible, z dedykowanymi inżynierami Terraform lub realizacją projektu.
Administracja Linux
Usługi administracji Linux: serwery Ubuntu, Debian, RHEL, Rocky Linux i AlmaLinux konfigurowane, łatane, utwardzane (hardening), monitorowane i objęte kopiami zapasowymi, a także aktualizacje systemów po zakończeniu wsparcia, z dedykowanymi administratorami Linux lub bieżącym wsparciem.
Inżynieria sieciowa
Usługi inżynierii sieciowej: routing i przełączanie, zapory sieciowe, SD-WAN i dostęp zero-trust, sieci chmurowe, Wi-Fi i automatyzacja na Cisco, Juniper i Fortinet, z dedykowanymi inżynierami sieciowymi lub realizacją projektu.
Bezpieczeństwo chmury
Usługi bezpieczeństwa chmury: CSPM i CNAPP, przeglądy IAM, bezpieczeństwo Kubernetes, ochrona sieci i danych oraz zgodność w chmurze na AWS, Azure i Google Cloud, z dedykowanymi inżynierami bezpieczeństwa chmury lub realizacją projektu.
SOC i monitoring bezpieczeństwa
SOC jako usługa i monitoring bezpieczeństwa: zarządzany SOC, wdrożenie SIEM, podłączanie logów, detection engineering, EDR, threat hunting i abonamenty na reagowanie na incydenty, z dedykowanymi analitykami SOC lub bieżącym monitoringiem.
Zgodność w zakresie bezpieczeństwa
Zgodność w zakresie bezpieczeństwa i gotowość do audytu: kontrole ISO 27001, SOC 2, RODO, PCI DSS, HIPAA, NIS2 i DORA, oceny luk i dowody audytowe, z dedykowanymi inżynierami zgodności lub projektem gotowości.
Pytania o site reliability engineering
W jakich branżach pracują Państwa inżynierowie site reliability?
Głównie w fintech i bankowości, gdzie systemy płatnicze i handlowe podlegają ścisłym wymaganiom dostępności i regułom odporności, takim jak DORA; u dostawców chmury, hostingu i telekomunikacji, których klienci zależą od ich dostępności; w e-commerce i handlu detalicznym, z pojemnością planowaną wokół szczytów sprzedaży; w produktach enterprise SaaS ze zobowiązaniami dotyczącymi dostępności w umowach; na platformach ochrony zdrowia; w produktach AI i danych z obciążeniami GPU i potokami, które muszą działać; oraz w firmach z branży bezpieczeństwa.
Czym SRE różni się od DevOps?
DevOps obejmuje to, jak kod trafia na produkcję: potoki, infrastrukturę jako kod i wydania. SRE obejmuje to, jak zachowuje się po wdrożeniu: cele dostępności i opóźnień, monitoring, który je mierzy, dyżury on-call, reagowanie na incydenty oraz inżynierię, która usuwa powtarzające się awarie. Większość zespołów potrzebuje obu, a my obsadzamy jedno z nich lub oba.
Z jakimi narzędziami do obserwowalności Państwo pracują?
OpenTelemetry do oprzyrządowania; Prometheus, Grafana, Loki, Tempo i Mimir, we własnym hostingu lub jako Grafana Cloud; Datadog, New Relic, Dynatrace, Elastic i Splunk; Azure Monitor, Amazon CloudWatch i Google Cloud Observability; oraz PagerDuty, incident.io i Grafana IRM do dyżurów on-call. Pracujemy w narzędziach, za które już Państwo płacą.
Jak szybko mogą zacząć inżynierowie site reliability?
Gdy odpowiedni inżynier site reliability jest dostępny, o terminie startu decydują wyłącznie Państwa rozmowa oraz NDA i przeniesienie praw własności intelektualnej. W przeciwnym razie prowadzimy poszukiwania, które zwykle dają profile kandydatów w ciągu dwóch do trzech tygodni, a nikt nie zaczyna pracy, dopóki Państwo nie powiedzą „tak”.
Jak wygląda zatrudnienie przez BigTree108: inżynierowie site reliability?
Prosimy o informację o zakresie pracy, poziomie doświadczenia i potrzebnych godzinach. Proponujemy jedną lub dwie osoby wraz z ich profilami, Państwo przeprowadzają z nimi rozmowy tak, jak z własnym kandydatem, podpisują jedną umowę z BIG TREE 108 LLC i otrzymują jedną fakturę miesięcznie.
Do kogo należy praca, którą wykonują?
Do Państwa. Każdy specjalista ma podpisaną z BigTree108 umowę, która przenosi wszystkie rezultaty pracy na spółkę, a nasza umowa z Państwem przenosi je dalej. Kod, projekty i dokumenty są przekazywane do Państwa własnych repozytoriów i narzędzi, a nie przechowywane tam, gdzie zmieniać je możemy tylko my.
Potrzebują Państwo inżynierów site reliability?
Prosimy opisać, co działa na produkcji, jak Państwo to monitorują i co ostatnio zawiodło. Odpowiedź otrzymają Państwo w ciągu jednego dnia roboczego: plan, profile kandydatów lub zakres przeglądu niezawodności.