Seminar 8ra: Betrieb, Observability und Resilienz

Ein verteilter Dienst muss aus Sicht seiner Anwender und seiner einzelnen technischen Komponenten beobachtbar sein. Das Seminar behandelt den Betrieb von Cloud-Edge-Anwendungen im 8ra-Kontext und verbindet Messwerte, Protokolle und nachvollziehbare Störungsabläufe. Dabei werden unterschiedliche Anbieter, Standorte und Verwaltungsbereiche gemeinsam berücksichtigt.

Aus fachlichen Erwartungen entstehen geeignete Serviceindikatoren und realistische Qualitätsziele. Messdaten werden so zugeordnet, dass zwischen Netzproblem, Plattformfehler und Anwendungsstörung unterschieden werden kann. Besonderes Augenmerk gilt unterbrochenen Verbindungen, veralteten Zustandsinformationen und begrenzter Kapazität am Edge.

Die Übungen verwenden eine bereits lauffähige Anwendung mit vorbereiteter Telemetrie. Ein Fehler wird zunächst beobachtet, anschließend eingegrenzt und nach einer Korrektur erneut geprüft. Sicherung und Wiederherstellung werden mit einem konkreten Datenbestand geübt, damit ein technisch erfolgreicher Neustart nicht mit fachlicher Datenkonsistenz verwechselt wird.

Lernziele

• Servicequalität mit passenden Indikatoren und messbaren Zielen beschreiben.
• Fehler über Standort- und Anbietergrenzen hinweg anhand zusammenhängender Telemetrie eingrenzen.
• Alarmierung, Eskalation und Wiederherstellung als überprüfbare Betriebsabläufe gestalten.
• Erfolgreiche Wiederherstellung anhand von Funktion und Datenbestand nachweisen.

Seminarinhalte

Betriebsmodell und Servicequalität

• Betreiber, Serviceverantwortliche und Supportübergaben entlang der Anwendungskette zuordnen.
• Verfügbarkeit, Fehlerrate, Antwortzeit und Datenaktualität als mögliche Serviceindikatoren bewerten.
• Interne Qualitätsziele von vertraglichen Leistungszusagen und ihren Messbedingungen unterscheiden.
• Messfenster, Wartungszeiten, Fehlerbudget und belastbare Eskalationsschwellen im Fallbeispiel festlegen.

Telemetrie und Transparenz

• Metriken, Ereignisprotokolle und verteilte Ablaufverfolgung passend zur Fehleranalyse kombinieren.
• Standort, Anbieter, Mandant und Serviceversion in ein konsistentes Kennzeichnungsschema aufnehmen.
• Zeitabgleich, fehlende Messwerte und Verzögerungen bei der Übertragung von Edge-Daten berücksichtigen.
• Eine vorbereitete Telemetrielösung, beispielsweise mit OpenTelemetry, Prometheus und Grafana, gezielt auswerten.

Alarmierung und Diagnose

• Symptome aus Anwendersicht von technischen Ursachen und bloßen Kapazitätswarnungen unterscheiden.
• Alarmregeln anhand fachlich relevanter Grenzen und zeitlicher Dauer konfigurieren.
• Verbindungsunterbrechung, Überlastung und fehlerhafte Auslieferung anhand vorgegebener Diagnosepfade untersuchen.
• Eindeutige Zuständigkeit, notwendige Diagnosedaten und Übergaben zwischen Anbietern festlegen.

Wiederherstellung und Wartung

• Wiederanlaufzeit und zulässigen Datenverlust passend zum Anwendungsfall konkretisieren.
• Konsistente Sicherung, Wiederherstellung und anschließende fachliche Datenprüfung durchführen.
• Geplante Aktualisierung, Versionsrücknahme und Schutz vor unkontrollierter Zustandsabweichung einordnen.
• Verhalten bei längeren Edge-Unterbrechungen sowie kontrollierte Rückkehr in den Verbund beschreiben.

Störungsübung und Betriebsabnahme

• Ein definiertes Fehlerbild in der Testumgebung auslösen und den Alarmweg beobachten.
• Die Ursache mit Messdaten und Protokollen eingrenzen und eine begründete Maßnahme wählen.
• Wiederherstellung nach dem Arbeitsablauf durchführen und Funktion sowie Datenstand kontrollieren.
• Betriebsanweisung mit tatsächlich benötigten Informationen überarbeiten und den Vorgang erneut testen.

Praxisübungen

1. Für die Beispielanwendung einen Serviceindikator mit Messfenster und Zielwert festlegen.
2. Standortbezogene Metriken und Protokolle in der vorbereiteten Telemetrie wiederfinden.
3. Eine Verbindungsstörung oder Überlastung auslösen und Alarm sowie betroffene Funktionen beobachten.
4. Die Ursache anhand der Telemetrie abgrenzen und die vorgesehene Korrektur durchführen.
5. Einen gesicherten Beispieldatenbestand wiederherstellen, fachlich prüfen und die tatsächliche Wiederanlaufzeit messen.

Schulungsumgebung

Der Kunde stellt eine lauffähige Anwendung über zwei Testumgebungen, vorbereitete Messwerterfassung und Protokollierung sowie Testrechte für kontrollierte Störungen und Wiederherstellung bereit. Aufbau einer Monitoring-Plattform von Grund auf ist nicht Bestandteil der Übungen.