نقش تیم زیرساخت

1) کل تصویر: چرا تخصص

پیش بینی و سرعت: صاحبان روشن «مناطق خاکستری» را کاهش می دهند.
قابلیت اطمینان و امنیت: توزیع مسئولیت توسط دامنه ها (K8s، شبکه ها، DB، امنیت).
اقتصاد: FinOps ارزش را از مصرف جدا می کند و «قیمت نه» را مدیریت می کند.
تجربه توسعه دهنده: پلت فرم به عنوان یک محصول - خود خدمات، قالب ها، کاتالوگ ها.

2) نقش ها و مسئولیت های کلیدی

3) مرزهای مسئولیت (مرزهای مالکیت)

این پلت فرم دارای سطوح خدمات پلت فرم L3-L7 (K8s، شبکه، قابلیت مشاهده) است، اما منطق کسب و کار نیست.
SRE صاحب فرآیند قابلیت اطمینان (SLO/حوادث/پس از مرگ) به جای هر متریک تیم محصول خاص است.
Release/Delivery مکانیک محاسبات را در اختیار دارد، اما مسئولیت «چه» گذاشته شده است با دستورات ویژگی.
DBRE متعلق به سیاست های خوشه ای/داده ها است و طرح ها/مهاجرت ها توسط تیم محصول (بر اساس استانداردهای DBRE) متعلق به آن است.
SecOps دارای سیاست ها و کنترل ها است و پیاده سازی با صاحبان دامنه به اشتراک گذاشته شده است.

4) مدل های عملیاتی

1. پلت فرم متمرکز - شروع سریع، خطر تنگنا.
2. پلت فرم به عنوان یک محصول (PaaP) - قالب های سلف سرویس، کاتالوگ ها، «بازار داخلی» خدمات.
3. فدراسیون/اصناف - کارشناسان در حوزه های محصول (فصل/SRE جاسازی شده/DBRE) تعبیه شده است.
4. ماتریس - استانداردهای استراتژیک مرکز + اعدام در حوزه.

توصیه: PaaP را برای نیازهای اساسی ترکیب کنید و برای حوزه های بحرانی تعبیه کنید.

5) رابط ها و OLA ها (موافقت نامه های داخلی)

دایرکتوری سرویس: آنچه که «به عنوان یک سرویس» در دسترس است (فضای نام K8s، خوشه پایگاه داده، صف، داشبورد SLO، نمایه هشدار).
OLA (توافقنامه سطح عملیاتی): تاریخ واکنش، عرصه های مسئولیت، نقاط تشدید.
کارت های SLO خدمات پلت فرم: در دسترس بودن، تاخیر API، زمان استقرار از قالب.

yaml service: "Kubernetes Namespace Provisioning"
owner: "Platform"
request_channel: "Service Catalog"
targets:
response_time: "≤ 15 min"
delivery_time: "≤ 1 hour (without manual approvals)"
scope:
includes: "quota, RBAC, secrets integration"
excludes: "business configs, database migrations"
escalation: "#plat-ops-oncall"

6) RACI: چه کسی چه کاری انجام می دهد

افسانه: R - انجام می دهد، A - پاسخ می دهد، C - مشاوره، من - مطلع است.

7) KPI ها و معیارهای عملکرد بر اساس نقش

بستر های نرم افزاری: زمان سرب برای ارائه خدمات،٪ سلف سرویس، DevEx NPS.
SRE: MTTR/MTTD، اجرای SLO، پوشش playbook، سهم خودکار کاهش.
CloudOps/NetOps: زمان آماده به کار محیط، زمان اجرا changey، حوادث پیکربندی.
DBRE: RPO/RTO، موفقیت بازیابی، تاخیر تکرار p95.
انتشار: درصد انتشار قناری، نرخ بازگشت، زمان محیط.
مشاهده: کامل بودن سیگنال ها، زمان پاسخ درخواست ها/داشبورد، نسبت ضد سر و صدا.
SecOps: زمان بسته شدن برای CVE های بحرانی، حوادث امنیتی MTTD/MTTR، پوشش مدیر مخفی.
FinOps: هزینه هر سرویس/RPS، صرفه جویی در حق بیمه، پیش بینی دقت.

8) Onboarding و DevEx

بسته را شروع کنید: قالب های Terraform/Helm، خطوط لوله CI/CD، چک لیست های «سلام، سرویس».
پورتال Docking: استانداردها، نمونه ها، داشبورد «زنده»، دکمه های سلف سرویس.
کارگاه های آموزشی/ساعات اداری: توسط نقش (SRE 101، SecOps 101، DBRE 101).
سیاست تشدید: چه کسی باید در شب تماس بگیرد و زمانی که یک بلیط کافی است.

9) مرزهای مالکیت و دسترسی به داده ها

بیمه IAM: صاحبان نقش، دسترسی به زندگی، دسترسی JIT (فقط در زمان).
اسرار: مدیر مخفی متمرکز، چرخش، ممنوعیت اسرار در ENV/repo.
مالکیت داده: محصول مالک طرح/داده دامنه است. DBRE صاحب «کشتی» (خوشه ها و سیاست ها) است.

10) فرآیندها: حوادث، تغییرات، انتشار

حوادث: IC/اتاق جنگ/پس از مرگ (نگاه کنید به حوادث و کتابهای SRE).
مدیریت تغییر: مبتنی بر ریسک، خط سریع برای کم خطر، CAB فقط برای ریسک بالا.
انتشار: تحویل مترقی، قوانین یخ هنگام سوزاندن خطاهای بودجه.

11) چک لیست های نقش (فشار)

پلت فرم

• دایرکتوری سرویس و SLA برای هر سرویس پلت فرم
• IaC + سیاست قالب (OPA/Conftest)

SRE

• کارت های SLO از مسیرهای بالا، هشدار سوختگی، کتاب های بازی
• گزارش بودجه ماهانه اشتباه

DBRE

• دریل DR، تست بازیابی، RPO/RTO امضا شده است
• سیاست های مهاجرت و نمایه سازی

بخش های عملیاتی

• سه گانه آسیب پذیری ها و پنجره های پچ
• کنترل DLP/PII، دسترسی حسابرسی

انتشار

• مراحل پیش فرض قناری، بازگشت خودکار
• ویژگی های پرچم و کشتن سوئیچ

قابلیت مشاهده

• استانداردهای متریک/برچسب، داشبورد بودجه
• ضد سر و صدا (حد نصاب، چند پنجره)، ابزارک SLO

FinOps

• بازپرداخت/نمایش، توصیه های حقوقی
• «هزینه در هر 9»، پیش بینی

12) الگوهای ضد سازمان

«DevOps یک مرد است»: اضافه بار «عمومی»، عدم وجود صاحبان دامنه.
«پلت فرم = دفتر بلیط»: همه از طریق بلیط دستی، بدون خدمات خود.
«SRE = آتش نشانان وظیفه»: بدون SLO و اقتدار.
«امنیت به عنوان stopcock»: بعد گنجاندن، به جای «guardrails توسط طراحی».
«قابلیت مشاهده = نمودارهای زیبا»: بدون هشدارهای عملی و SLO.
«FinOps فقط در مورد گزارش»: بدون توصیه و حق خودکار.

13) الگوهای مصنوعی

قالب کارت سرویس پلت فرم

yaml service: "Managed PostgreSQL"
owner: "DBRE"
plan: "S, M, L"
slo:
availability: "99. 95 %/quarter"
rpo: "≤ 5 min"
rto: "≤ 15 min"
interfaces:
request: "Service Catalog → Postgres"
incidents: "#dbre-oncall"
changes: "Change Policy L2"
security:
secrets: "Vault"
access: "JIT/RBAC"
finops:
pricing: "по vCPU/GB/IOPS"
limits: "quota per tenant"

مینی RACI برای انتشار

yaml release:
strategy: canary
R: Release/Delivery
A: Product Owner
C: SRE, SecOps
I: Platform

14) برنامه پیاده سازی (4 تکرار)

1. استاندارد سازی (2-3 هفته): نقشه نقش، کاتالوگ خدمات، RACI، OLA، کانال های تشدید.
2. DevEx (3-4 هفته): کاتالوگ خدمات، قالب CI/CD، ماژول های Terraform، SLO/داشبورد اساسی.
3. قابلیت اطمینان و امنیت (4-6 هفته): playbooks حادثه، دریل DR، WAF/DLP، مدیر مخفی.
4. FinOps و بهینه سازی (مداوم): بازپرداخت، حق الزحمه، «هزینه هر 9»، سیاست های خودکار.

15) مینی سوالات متداول

کجا نگه داشتن SRE - در پلت فرم یا در محصولات ؟

Hybrid: SRE استراتژیک در پلت فرم، SRE جاسازی شده در حوزه های بحرانی.

چه کسی خدمات SLO را در اختیار دارد ؟

تیم های محصول SRE روش، ابزار و کنترل فرآیند را فراهم می کند.

چگونه از «سایه» جلوگیری کنیم ؟

کاتالوگ خدمات، OLA های صریح، سلف سرویس سریع و قیمت گذاری شفاف (showback/chargeback).

مجموع

یک تابع زیرساخت قوی نقش های روشن + یک رویکرد محصول به پلت فرم + توافق در رابط ها و معیارها است. ضبط RACI ها و OLA ها، ارائه خدمات و استانداردهای خود، اندازه گیری عملکرد در برابر KPI ها از هر نقش، و به طور منظم بهبود DevEx، SLO و هزینه. این خطرات عملیاتی را کاهش می دهد، سرعت انتشار را افزایش می دهد و زیرساخت ها را قابل پیش بینی می کند.