Інтерв'ю англійською мовою для SRE Engineers: SLIs, SLOs, Error Budgets, and Incident Management

Інженерні інтерв’ю з надійності сайту є одними з найбільш технічно вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай вкрай Вам слід правильно використовувати точний словник SRE, чітко структурувати свої відповіді і продемонструвати філософію інженерії надійності, а не лише технічні знання.

Цей посібник зосереджений на конкретних англійських шаблонах, словнику і структурах відповідей на питання, які постійно задають інтерв’ю SRE.

Зрозуміти, що шукають інтерв’юери SRE

Перед мовою, зрозумій настрій. Інтерв’ юери для ролей SRE оцінюють:

1. ** Надійність мислення ** — чи ви думаєте з точки зору цілей надійності, бюджетів помилок і компромісів?
2. Філософія інциденту - чи підходите ви до інциденту з бездоганним, систематичним ставленням?
3. ** Комунікація під тиском ** — чи можете ви чітко пояснити складні поняття надійності?
4. ** Операційна зрілість ** — чи ви побудували і експлуатували системи в масштабі?

Ваша мова повинна відображати всі чотири. Неясні відповіді, неточність словникового запасу, технічні знання без філософського підґрунтя не пройдуть.

Основний SRE-словник, який ви повинні використовувати правильно

SLI — индикатор рівня обслуговування

** Що це таке: ** Особлива, вимірювана метрика, яка вказує на рівень наданої послуги. SLI - це вхідні дані для ваших цілей надійності.

Приклади SLI:

• Частота успішних запитів: * « Відсоток запитів HTTP, які повертають відповідь 2xx » *
• Затримка: “Процент запитів, які обслуговуються за менше ніж 300 мс”
• Доступність: “Доля часу, протягом якого служба доступна”
• Тривалість: “Процент записів, які все ще можна отримати після запису”

** Поширена помилка інтерв’ ю: ** Назва самої метрики SLI без вказівки * того, що * вимірюється. Будь конкретним.

Використання в інтерв’ю: “Для нашого платіжного сервісу, основним SLI був рівень успішності запитів на обробку платежів - конкретно, відношення успішних завершень платежів до загальної кількості спроб, за винятком відомих помилок клієнта.”

SLO — об’єкт служби

** Що це таке: ** Цільове значення для SLI. СЛО - внутреннее обязательство вашей команды в отношении надежности.

Формат: [SLI metric] is [target] over [time window]

** Приклади: **

• • “99,9% запитів повертають успішну відповідь протягом 28-денного вікна” *
• • “95% запитів обслуговуються за менше ніж 200 мс, вимірюються протягом 7- днівного вікна” *
• • « Доступність становить не менше 99, 95% за календарний місяць » *

** SLO не є SLA. ** SLO є внутрішнім. SLA (Service Level Agreement) є зовнішнім, контрактним зобов’язанням - зазвичай нижче, ніж SLO, щоб забезпечити буфер.

** Використання: ** * “Наша SLO була на 99, 9% доступною протягом 28- днівного вікна. Ми навмисно встановили його нижче нашого SLA 99,5%, щоб дати нам внутрішній буфер для виявлення і виправлення проблем, перш ніж вони стануть порушеннями договору. “*

Помилка бюджету

** Що це таке: ** Кількість простоїв або збоїв, які * дозволено * у періоді SLO — обернена до цільової надійності.

** Формула:** Error budget = 1 - SLO target

** Приклад обчислення: **

• SLO: 99,9% доступності протягом 30 днів
• Доступні хвилини за 30 днів: 43 200
• Дозволений час простою: 0,1% × 43,200 = 43,2 хвилини на місяць

** Як використовувати: ** Бюджет помилок ділиться між роботою над надійністю і розробкою можливостей. Коли бюджет помилок є здоровим, команди можуть відправляти швидше. Коли бюджет вичерпаний або майже вичерпаний, команда повинна приділяти більше уваги надійності, ніж новим можливостям.

Використання в інтерв’ю: “Ми використовували бюджет помилок як інструмент політики. Якщо бюджет помилок був вище 50% з двома тижнями, що залишилися в місяці, інженерні команди могли продовжувати з ризикованими розгортаннями. Якщо він впав нижче 25%, ми впровадили заморожування на некритичних випусках і зосередилися на роботі над надійністю.”

Відповідає за організацію інтерв’ю

Система відповідей SRE

Для більшості питань SRE використовуйте цю структуру:

1. ** Контекст ** — коротко описати систему або ситуацію
2. ** Метрика/ мета ** — те, що ви вимірювали або намагалися досягти
3. Компроміс або рішення — який вибір був зроблений і чому
4. Результат - що сталося, що ти дізнався

Ключове питання: «Як ви встановлюєте SLO?»

** Сильна структура відповіді: **

• “Встановлення SLO починається з розуміння того, що користувачі насправді цінують — не те, що легко виміряти, а те, що є хорошим сервісом з їхньої точки зору. Для API, що вимагає багато читання, користувачі турбуються про доступність і затримку. Для платіжної служби, вони турбуються про коректність і довговічність понад усе інше.*

• Я хочу почати з перегляду історичних даних про продуктивність. Якщо служба працювала на 99,95% протягом останніх 12 місяців, встановлення SLO на 99,5% занадто низьке - це не створює значного тиску на поліпшення. Я поставив би її на 99,9%, даючи нам невеликий буфер для контролю деградації, поки команда відповідає за високі стандарти

• Ми також обговорюємо SLO з командами- споживачами — їхні вимоги до надійності обмежують наш бюджет. Служба, від якої залежить поток замовлення, не може мати SLO нижче, ніж те, що замовлення повинно задовольняти своєму власному SLO.”*

Ключове питання: «Проведіть мене через те, як ви поводитесь з інцидентом P1»

** Сильна відповідь зі структурованою мовою: **

“Когда P1 стреляет, мой первый приоритет - оценка воздействия, а не диагностика. Я хочу знати: скільки користувачів зачеплено, який режим аварійності, і чи зростає вплив? Це повідомляє, чи мені потрібно негайно ескалувати ситуацію, чи я можу працювати з runbook з поточною командою.*

• Одночасно я відкриваю канал інциденту і публікую перше оновлення стану протягом п’яти хвилин - навіть якщо мені ще немає про що повідомити. Сказати «ми знаємо і розслідуємо» запобігає дублюванню ескалації і дає зацікавленим сторонам місце, щоб слідкувати за *

• Моя наступна дія залежить від того, чи є чітке зменшення - відновлення, перерва, зміна DNS. Якщо так, я спочатку запускаю зменшення, а потім діагностую. Якщо немає очевидного зменшення, я зосереджуюся на ізоляції домену збою: чи це впливає на всі регіони чи тільки на один? Всі групи користувачів чи певний сегмент? Це сужає простір пошуку.*

Всю цю ніч я буду оновлювати канал кожні 15-30 хвилин: про те, що відбувається, що ми вже спробували, що ми спробуємо далі, і переглянутий ETA. Я призначаю скрипка рано, так что я могу сосредоточиться на диагностике, а не на документации.

После разрешения, я назначаю вскрытие в течение 48 часов. Безвинний — ми документуємо, що сталося, що ми пропустили, і які конкретні зміни в системах, процесах або моніторингу запобігнуть повторенню. “

Ключове питання: «Що таке бюджет помилок, і як ви його використовували?»

• “Бюджет помилок — це операціоналізація SLO у щось, що можна робити. Якщо у нас є 99,9% доступності SLO протягом 30 днів, ми маємо 43,2 хвилини дозволеного часу простою. Цей бюджет належить спільно інженерії і продукту — це не бюджет команди SRE сам по собі. *

• На практиці, я використовував бюджети помилок двома способами. По-перше, як ворота розгортання: у нас була політика, що розгортання, що вимагає більше 10% від залишкового бюджету помилок за місяць, потребувало явного підпису від інженерного лідера. Це змусило розмову про ризик, який не відбувся б в іншому випадку. *

Второй, как приоритетный сигнал. Коли ми використали весь бюджет на помилки в перший тиждень місяця після поганого випуску, ми зупинили всі роботи над новими можливостями і провели два тижні на поліпшенні надійності — кращі перевірки стану, поліпшення автоматичних виключників, і виправлення спільного підключення до бази даних, яке було відкладено на місяці. Наступного місяця ми спалили менше 20% бюджету.»

Ключове питання: «Описати безвинну пост-мортну експертизу, яку ви провели»

“Після 47-хвилинного відключення нашого основного API, я сприяв проведенню пост-морту з близько 12 людьми - інженерами, на гарячому, командиром інциденту і менеджером продукту.

• Я розпочав з читання безвинного заяву про культуру, яку ми мали на верхній частині кожного шаблону післясмертної записки: « Ми припускаємо, що кожен прийняв найкраще рішення, яке він міг, з інформацією, доступною для нього на той час. » Це заява справді працює — вона сигналізує, що метою зустрічі є навчання, а не відповідальність.*

• Ми пройшли хронологічну лінію часу. У кожному моменті прийняття рішення я питав: «Що ви знали в той момент? Які варіанти ви розглядали?’ — а не ‘чому ви це зробили?’ Цей формат зберігає розмову аналітичною, а не оборонною

*Найціннішою частиною було виявлення системних вкладників. Інженер, який розгорнув зміну, не був причиною — справжніми факторами були: відсутність процесу розгортання канарій для змін конфігурації, прогалина в моніторингу, що означало, що ми виявили проблему через звіти клієнтів, а не попередження, і runbook, який був застарілим на 18 місяців. Ці три системні проблеми стали пунктами дій з власниками і термінами. *

• Через два місяці всі три були виправлені. Наступний подібний інцидент був виявлений автоматично менш ніж за 3 хвилини.»*

Мова для інтерв’ю

Використовується для підвищення надійності

• “Перше питання, яке я ставлю: який вплив на користувачів?”
• “SLO не є технічною метою - це бізнес-зобов’язання.”
• • “Я вважаю роботу над надійністю і роботу над можливостями конкуруючими за той самий бюджет помилок.” *
• “Ціль — не 100% робочого часу — це правильний рівень надійності за ціною.”

Обговорення торгівлі

• “Компроміс тут між надійністю і швидкістю…”
• • “Ми могли б досягти більшої доступності за допомогою [X], але вартість буде [Y]…” *
• “Я б сказав команді, що інвестиції в надійність мають більшу віддачу, ніж функція в поточному кварталі, враховуючи наш рівень вигорання.”

Показує бездоганну культурну плавність

• “Перше, що ми робимо при пост-морте, це встановлюємо факти, а не приписуємо відповідальність.”
• • “Ми шукаємо системних причин, а не окремих помилок.” *
• “Я запитую: що зробило так, що ця помилка мала такий вплив?”

Професійна невизначеність

• • “Я не працював з цим конкретним інструментом, але основна концепція — [X], і я реалізував подібні шаблони за допомогою [Y].” *
• “Це на межі мого досвіду - ось як я підійшов би до вивчення цього…”
• “Я хочу дати тобі точну відповідь — чи можу я продумати це вголос?”

Ключеві моменти

• ** SLI ** — метрика. ** SLO ** — ціль. ** Бюджет помилок ** — допустима помилка, отримана з SLO. Використовуйте їх точно — інтерв’юери помічають, коли терміни використовуються взаємозамінно.
• Структура відповідей на інциденти: перший удар → зменшення → діагностика → комунікація → після смерті.
• Демонструвати ** бездоганну культуру ** словниковий запас: * системні внесок, можливості навчання, що зробило помилку легкою для вчинення *.
• Показати ** розрахунок надійності на основі компромісу **: бюджети помилок діляться між надійністю і швидкістю; жодна з них не може мати необмеженого пріоритету.
• Коли обговорюєте SLO, пояснюйте, чому ви обрали цю ціль, а не тільки те, що це.
• Для невизначеності: будьте чесними, з’ єднайтесь з пов’ язаними знаннями, покажіть підхід до навчання.

Інтерв’ю SRE тестують як технічну глибину, так і конкретну філософію. Інженери, які проходять ці інтерв’ю, не є тими, хто має найбільш технічні знання - це ті, хто інтерналізував спосіб мислення SRE про надійність. Ваш англійська має відображати це мислення в кожному відповіді.