网站可靠性工程师

面向运维实战的站点可靠性工程训练，基于Google 站点可靠性工程 Book、Seeking 站点可靠性工程以及2022年以来的事故复盘（Cloudflare 2022年6月WAF事故、GitHub 2018年10月24小时数据库切换、AWS US-East-1 2021年12月、GCP 2025年4月IAM、GitLab 2017年1月生产库误删）。你将用PromQL写出multi-window burn-rate告警，按43分钟/月的错误预算设计99.9% SLO，使用源自ICS的角色担任incident commander，在OpenTelemetry Collector v0.100+、Prometheus 2.51+、Grafana Mimir 2.12+、Tempo 2.6+、Loki 3.2+上搭建可观测性栈，并用Gremlin、AWS FIS、Chaos Mesh执行chaos实验。每个模块都会产出可以直接放入on-call轮值的runbook、postmortem或容量模型。