AIOps: наш опыт внедрения HolmesGPT на трёх проектах
Мы внедрили HolmesGPT — open-source SRE-агента — в шести Kubernetes-кластерах на трёх проектах. Теперь через несколько минут после алерта рядом с ни…
Latest News
⚑ Report a ProblemTech news from the best sources
All topics
- Искусственный интеллект, машинное обучение, нейросети
- Новости сети
- автомобили, мотоциклы, транспортные средства
- вирусы, трояны, уязвимости в ПО, вопросы безопасности
- игры
- мобильные телефоны, смартфоны, сотовая связь, коммуникаторы, КПК
- процессоры
AI-агенты
LLM
Python
ai
ai-агенты
claude
linux
llm
open source
python
ruvds_статьи
Новости
Статьи
автоматизация
ии
ии-агенты
информационная безопасность
искусственный интеллект
машинное обучение
нейросети
программирование
разработка
тестирование
Бюджет 999: как в Авито считают надёжность и почему не копируют модель Google
Привет, Хабр! Меня зовут Иван Тарасов , я TUL Architecture Governance в техплатформе Авито . Одна из моих команд — SLA — создаёт условия для повышен…
DRP, который никто не проверял: почему план восстановления может не сработать в самый нужный момент
Привет, Хабр! Меня зовут Илья. Долгое время я работал в финтехах и у облачного провайдера. Занимался сопровождением информационных систем, причём не…
Математика катастрофы: от дифференциальных уравнений до очередей G/G/1 и формулы Кингмана
Знакомая картина: в 3 часа ночи падает база данных, Alertmanager засыпает каналами, через 5 минут сеть восстанавливается, но… система остаётся…
Дежурный бот вырос еще раз: отдел логистики, алерты, постмортемы
Дежурный бот в MAX перестал быть «рассыльщиком в три канала». Мы добавили отдельный канал для логистики с P85 вместо SLA, статус-карточки /status, p…
От бизнес-метрики до дежурного: как построить алертинг, от которого не страдают
Эта статья - о шаге, который предшествует настройке маршрутов: как выбрать сигнал, связать его с влиянием на бизнес, определить срочность и проверит…
«Канарейка» для данных: как мы добавили безопасную доставку снапшотов поверх оркестратора снапшотов
Привет, Хабр! Меня зовут Артём Букин, я разрабатываю инфраструктурные проекты в VK, и сегодня продолжу рассказывать как мы повышаем надежность ядра…
[Перевод] Когда избыточность не спасает: как один сервер сделал объектное хранилище недоступным
Сервер хранения может работать месяцами без единого предупреждения, а затем одно неожиданное отключение превращается в многочасовую недоступность се…
«Я свой, я агент»: как мы обновили RMON и добавили mTLS для результатов мониторинга
«У меня всё открывается» — прекрасная фраза. В ней есть уверенность, оптимизм и результаты мониторинга ровно из одной точки. Проблемы начинаются, ко…
Эволюция пайплайна метрик: как менялась архитектура с ростом нагрузки
Привет, Хабр! Я Руслан Боярский, SRE в Т-Банке, отвечаю за надежность платформы Sage и принимаю активное участие в ее развитии. Sage — это платформа…
IMPulse: аутентификация, Inhibition, Maintenance и шаблоны тредов
IMPulse - ChatOps система менеджмента инцидентов. Если вы получаете алерты напрямую от Alertmanager, IMPulse поможет формировать из них полноценные…
Distributed tracing: как разобраться, что происходит с запросом внутри микросервисной системы
В распределённых системах недостаточно знать, что сервис работает медленно или начал возвращать ошибки. Нам часто нужно понять гораздо более конкрет…
Agent-Ops 0.4.0: ИИ предлагает, человек решает, программа исполняет
Привет! Я Сергей Житинский, основатель Git in Sky. Мы занимаемся эксплуатацией и технической поддержкой ИТ-инфраструктуры. Agent-Ops — проект открыт…
Готовы ли вы к платформенной инженерии: чек-лист из 10 задач
Подготовили чек-лист по готовности к платформенной инженерии. Внутри - Не тест на знание команд – команды гуглятся. Список из десяти задач, каждую и…
Как построить наблюдаемость, когда нет ни CMDB, ни oncall
Привет! Это Скутин Антон. Я работаю в «Петрович-Тех» руководителем отдела обеспечения доступности ИТ-сервисов. Моя предыдущая статья была про ITIL .…
«SRE. Новый подход к управлению инфраструктурой». Книга Павла Рудницкого
Приветствуем, Хабр. У нас вышла долгожданная новинка, посвящённая методологии «SRE» — Site Reliability Engineering. Книга называется « SRE. Новый по…
Каскад из одной аварии: как схлопнуть шторм алертов в одну карточку инцидента
Падает один шлюз - и дежурному прилетает пачка уведомлений: молчат хосты за ним, гаснет uptime-монитор, срабатывают метрические пороги, горит SLO. С…
Спокій під час збою — це результат підготовки
Спокій під час збою — це не риса характеру. Це результат підготовки. Люди, які здаються незворушними о третій ночі, коли все горить, зазвичай не смі…
Redis — история одного падения
Пару лет назад мы устроили настоящее расследование серии инцидентов в поисках скрытого дефекта нашего Redis-клиента. Команда воспроизводила сбои под…
Сеть kubernetes без магии: трассировка пакета на kind + Cilium
Все, кто работал с k8s, знают: что такое CNI, разбираются как его подключить и даже поверхностно могут понимать какой из предлагаемых…
Как я перестал гадать, какая пара нод сломалась после апдейта CNI, и написал для этого свой мониторинг
98% успешных проверок в дашборде выглядят прекрасно. Ровно до момента, когда доходит: недостающие 2% это одна пара нод, один протокол, и т…
ИИ в эксплуатации (AIOps): разбор алертов и автоматизация инцидентов
В марте 2025 года Gartner сделал то, чего индустрия ждала несколько лет: официально переименовал категорию AIOps в Event Intelligence Solutions. При…
На вкус и цвет все фломастеры разные — способы управления средами на личном опыте
Знаешь , я прочитал ту статью про инфраструктурные релизы, идентичность и консистентность. Красиво написано, складно. Прямо как в душноватом учебник…
Как мониторить Java-приложения: метрики, алерты и правило 80/20
Хороший мониторинг помогает быстро понять, что происходит с приложением и куда смотреть в первую очередь. Для этого не нужно пытаться измерить всё:…
Как не растерять девятки в SLA от облачного сервиса до вашего прикладного ПО
Думаю, многие сталкивались с ситуацией, когда облачный провайдер честно обещает 99.95% или даже 99.99% SLA, но в реальности бизнес-система пада…
Мы чинили инциденты всё быстрее — а недовольство клиентов росло. Почему MTBF важнее MTTR
Инцидентов стало в два раза больше. Время восстановления сократилось вдвое. Uptime сервисов держался в норме. По всем ключевым метрикам мы становили…
Заменили ноду в кластере RabbitMQ — и через месяц потеряли регион OpenStack
Короткая история про то, как штатная замена ноды оставила quorum-очереди с двумя членами вместо трёх, и почему cluster_status этого не показывает. С…
Особенности SRE в мобильном банкинге: подходы, вызовы и специфика
Привет, Хабр! Я Степан Аксенов, SRE-инженер в Т-Банке. Эта статья — часть проекта «20 в 20», приуроченного к 20-летию компании: в рамках проекта спе…
Сократили цикл разработки на 20% — и получили вдвое больше инцидентов
В продуктовой B2B-компании, где я отвечал за надёжность, поставили амбициозную цель: сократить цикл разработки (dev cycle time) на 20%. Забегая впер…
FinOps на практике. Серия 2: от пилота к регламентам, или как удержать экономию на облаке
Это вторая статья цикла. В первой части мы разбирали, как начать FinOps с точки ноль: посадить финансы и инженеров за один стол, договориться об общ…