Szkolenie: SRE Fundamentals — niezawodność jako praktyka inżynierska

Co to jest Site Reliability Engineering — pochodzenie z Google, ewolucja od classic ops

SRE vs DevOps vs Operations — różnice w mentalności, odpowiedzialności i narzędziach

Rola inżyniera SRE — hybrid developer-operator, co musi umieć (coding, Linux, networks, databases)

Toil — co to jest i dlaczego go redukować (manual work, repetitive tasks, no leverage)

Inżynieria vs walka z ogniami — shift na automatyzację i przejrzyste procesy

SRE w branży — Google, Netflix, Spotify, Allegro i jak adaptują podejście organizacje różnej wielkości

Ekosystem narzędzi SRE — Prometheus, Grafana, PagerDuty, Terraform, Kubernetes — co i dlaczego (przegląd, każde omawiane szczegółowo w kolejnych kursach ścieżki)

Definiowanie Service Level Indicators (SLI) — co rzeczywiście zależy użytkownikom (nie wszystko trzeba mierzyć)

Service Level Objectives (SLO) — cele niezawodności i budżet błędów, jak wybrać realistyczne wartości

Service Level Agreements (SLA) — zobowiązania komercyjne i konsekwencje

Google's Four Golden Signals — latency, traffic, errors, saturation i jak je interpretować

Definiowanie SLO dla typowych systemów — API, bazy danych, kolejki — ćwiczenie na rzeczywistych przykładach

Mapowanie biznesowych wymagań na SLI/SLO — jak rozmawiać z product managerami

Koncepcja Error Budget — ile błędów możemy sobie pozwolić w danym okresie (SLO 99% = 0.01% błędów)

Matematyka Error Budget — od SLO do liczby 9 (99%, 99.9%, 99.99%, itd), obliczanie dostępności w sekundach/minutach

Decyzje o release frequency — jak szybko możemy wdrażać bez przekraczania budżetu

Priorytetyzacja pracy — bugs vs nowe features na podstawie budżetu, kiedy można być agresywnym

Komunikacja Error Budget w zespole i z biznesem — jak wyjaśnić wpływ incydentów na możliwości i decyzje o releasach

Ćwiczenie: oblicz Error Budget dla swojego systemu — uczestnicy liczą na podstawie własnych danych lub przygotowanego case study

Czym jest on-call w SRE — rotacja, odpowiedzialności, eskalacje

Alert fatigue — dlaczego zbyt wiele alertów zabija on-call i jak temu zapobiec

Runbooks i playbooks — jak przygotować inżyniera na dyżur i standaryzować reakcje

Metryki zdrowego on-call — MTTA, MTTR, liczba stron na dyżur

Granica między toilem a incydentem — kiedy reagować, kiedy automatyzować

Przegląd narzędzi on-call — PagerDuty, OpsGenie, Grafana OnCall — czym się różnią i jak wybrać

Kultura bezpieczeństwa psychicznego — blameless investigation jako narzędzie psychologiczne

Struktura postmortem — timeline budowy incydentu, root cause analysis, action items z właścicielami

Dokumentowanie incydentów bez szukania winnych — fokus na systemy a nie ludzi

Analiza przyczyn — pytanie "why" pięć razy, hierarchie przyczyn (immediate vs root)

Continuous improvement — wyciąganie wniosków z każdego problemu, tracking action items

Szablon postmortem — analiza przykładowego dokumentu (Google, Atlassian), przegląd struktury i typowych błędów