یادداشتهای عملیاتی SRE و DevOps
اینجا درباره اداره سیستمهای production مینویسم: رفتار Kubernetes، طراحی Helm و Argo CD، ساختار GitLab CI/CD، Linux internals، Observability، backup و Incident Management.
یادداشتهای کوتاه برای نکتههایی که سریع به کار میآیند؛ از دستورهای عیبیابی تا جزئیات کوچک Kubernetes و Linux.
بعد از سالها بحث در IETF، متد QUERY در قالب RFC 10008 استاندارد شد؛ راهی برای اینکه queryهای بزرگ را مثل POST داخل body بفرستیم، اما همچنان به HTTP بگوییم این درخواست read-only است و تکرار شدنش خطرناک نیست.
در Istio 1.30 قابلیت آزمایشی agentgateway اضافه شده است؛ یک data plane جدید برای Gateway API که مسیر ترافیک AI Agent، ارتباط با LLM، اتصال به MCP و ارتباط Agent-to-Agent را کنترل میکند.
از CFS و EEVDF تا cpu.weight، cpu.max، throttling و PSI؛ این مقاله توضیح میدهد چرا در کوبرنتیز، CPU بیشتر همیشه برنامه را سریعتر نمیکند، limit چطور به سهمیه زمانی تبدیل میشود و چرا یک پاد با میانگین مصرف پایین هم ممکن است throttle شود.
مشاهده مقالهتفاوت OOMKilled و Evicted در Kubernetes؛ اینکه چه زمانی مشکل از عبور container از memory limit است و چه زمانی kubelet بهخاطر فشار روی node یک Pod را حذف میکند.
مشاهده مقالهمسیرهایی عملی برای دنبال کردن یک مسئله از مدل ذهنی تا تصمیمهای production؛ از capacity planning و ایمنی release تا troubleshooting و Observability.
محتوای این سایت درباره چیزهایی است که در کار واقعی SRE و DevOps به هم وصل میشوند: Linux، Kubernetes، CI/CD، GitOps و Observability. هر مطلب سعی میکند یک مشکل production را ساده کند؛ از اینکه سیستم چرا اینطور رفتار میکند تا اینکه چطور باید آن را دید، تغییر داد و عیبیابی کرد.
از process و memory تا cgroup، scheduler و network؛ پایههایی که وقتی سرویس یا کلاستر عجیب رفتار میکند، جواب خیلی وقتها همانجاست.
درباره workloadها، kubelet، resource pressure، eviction، scheduling و backup؛ چیزهایی که پایداری کلاستر را در عمل میسازند یا خراب میکنند.
درباره CI/CD، Helm، Argo CD، rollout، rollback، log، metric و trace؛ یعنی چطور تغییر را امن جلو ببریم و وقتی مشکل پیش آمد، علت را پیدا کنیم.