Bu sayfada3 bölüm
Bir kesinti sırasında teknik teşhis kadar koordinasyon ve doğru iletişim de önemlidir. Alarm eşiklerini, müdahale adımlarını ve iletişim akışını önceden hazırlar; olay anında önce kullanıcı etkisini sınırlar, ardından kök nedeni bulup tekrarını önleyecek kalıcı iyileştirmeleri devreye alırız.
Hizmet kapsamı
- Alarm, sentetik kontrol ve kullanıcı sinyallerinden gelen çok kanallı algılama
- Tetikleme, triage, mitigation ve kalıcı çözüm için tanımlı bir akış
- Incident commander modeli ve tek iletişim kanalı
- Önem derecesine göre yazılı eskalasyon matrisi
- Durum sayfası üzerinden şeffaf müşteri iletişimi
- Blameless postmortem ve aksiyon takibi
- Alarm setinin olaylardan öğrenilenlerle düzenli olarak güncellenmesi
Bir olay geldiğinde ne oluyor
Algılama ve üstlenme
Alarm, sentetik kontrol veya kullanıcı bildirimi geldiğinde nöbetçi uzman olayı üstlenir, önem derecesini belirler ve tek iletişim kanalını açar.
Koordinasyon ve mitigation
P1 olaylarda incident commander koordinasyonu ve durum sayfası güncellemelerini yönetir; ekip önce mitigation ile kullanıcı etkisini azaltır.
Postmortem ve aksiyon takibi
Olay sonrasında blameless postmortem ile zaman çizelgesini ve kök nedeni çıkarır, kalıcı aksiyonları ürün ekibinin backlog'una ekleyerek takip ederiz.
Kullandığımız araçlar
- Nöbet ve eskalasyon
- PagerDuty
- Alarm ve metrik
- PrometheusAlertmanagerGrafana
- Log ve tracing
- LokiOpenSearchOpenTelemetry
- Sentetik izleme, durum sayfası ve olay iletişimi
- UptimeWarden
Diğer yönetilen hizmetler
Yönetilen Microsoft Azure hizmetleri
Microsoft Solutions Partner uzmanlığımızla Azure Landing Zone, AKS, veritabanı ve PaaS ortamlarınızın günlük işletimini, güvenliğini ve maliyet yönetimini üstleniyoruz.
Platform engineering
Kubernetes ortamlarınızı, dağıtım akışlarınızı ve altyapı yapılandırmanızı birlikte ele alıyoruz. Tekrarlanan işletim işlerini otomatikleştiriyor, sorumlulukları netleştiriyoruz.
SRE ve güvenilirlik
Güvenilirlik hedeflerini kullanıcı deneyimine bağlıyoruz. Ürün ve operasyon ekipleriyle SLO'ları belirliyor, hata bütçesiyle iyileştirme önceliklerini değerlendiriyoruz.
Felaket kurtarma ve iş sürekliliği
Kabul edilebilir veri kaybını ve kesinti süresini iş birimleriyle belirliyor, yedeklerden geri dönüşü tatbikatlarla kontrol ediyoruz.