DevOps&SRE Library

Kubernetes Services: A Deep Dive with Examples https://sheakimran.hashnode.dev/kubernetes-services-a-deep-dive-with-examples

Digging Deeper: How Pause containers skew your Kubernetes CPU/Memory Metrics https://medium.com/@amolsingh.singh23/digging-deeper-how-pause-containers-skew-your-kubernetes-cpu-memory-metrics-c50f3832cbe0

When “Anti-Patterns” Become Best Practice: Lessons from Migrating a Global Pub/Sub Empire to Kubernetes

How architecting for scale taught us that sometimes breaking the rules is exactly what the business needs

https://bitbucket90.com/when-anti-patterns-become-best-practice-lessons-from-migrating-a-global-pub-sub-empire-to-k8s-c3dbcebdca68

SLI Evolution Stages https://blog.alexewerlof.com/p/sli-evolution-stages

🚀 Хотите освоить современный фреймворк для создания быстрых и масштабируемых API на Python? Приглашаем на открытый вебинар: «Основы FastAPI» 📅 8 сентября в 20:00 (МСК) На вебинаре от курса «Python Developer. Professional» вы разберётесь с основами FastAPI - одного из самых популярных фреймворков для веб-разработки на Python: - Что такое FastAPI и зачем он нужен - Как устроена структура приложения - Как обрабатывать запросы и настраивать маршруты - Как работать с базами данных и внедрять зависимости - В чём преимущества асинхронности в FastAPI и как её использовать 🎓 А если вы хотите освоить профессиональную разработку на Python - не пропустите старт курса 29 сентября! Вебинар - отличная возможность познакомиться с подходом курса и преподавателями. 📲 Участие в вебинаре бесплатно. Регистрируйтесь прямо сейчас: https://vk.cc/cP80rQ Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576, www.otus.ru, erid: 2Vtzqw3mupX

Availability Models

Because “Highly Available” Isn’t Saying Much

https://www.thecoder.cafe/p/availability-models

Pooling Connections with RDS Proxy at Klaviyo

How we scale our databases with RDS Proxy

https://klaviyo.tech/pooling-connections-with-rds-proxy-at-klaviyo-e79e04120188

Cloudflare incident on August 21, 2025

On August 21, 2025, an influx of traffic directed toward clients hosted in the Amazon Web Services (AWS) us-east-1 facility caused severe congestion on links between Cloudflare and AWS us-east-1. This impacted many users who were connecting to or receiving connections from Cloudflare via servers in AWS us-east-1 in the form of high latency, packet loss, and failures to origins. Customers with origins in AWS us-east-1 began experiencing impact at 16:27 UTC. The impact was substantially reduced by 19:38 UTC, with intermittent latency increases continuing until 20:18 UTC. This was a regional problem between Cloudflare and AWS us-east-1, and global Cloudflare services were not affected. The degradation in performance was limited to traffic between Cloudflare and AWS us-east-1. The incident was a result of a surge of traffic from a single customer that overloaded Cloudflare's links with AWS us-east-1. It was a network congestion event, not an attack or a BGP hijack. We’re very sorry for this incident. In this post, we explain what the failure was, why it occurred, and what we’re doing to make sure this doesn’t happen again.

https://blog.cloudflare.com/cloudflare-incident-on-august-21-2025

Can LLMs replace on call SREs today?

There's a growing belief that AI-powered observability will soon reduce or even replace the role of Site Reliability Engineers (SREs). That's a bold claim---and at ClickHouse, we were curious to see how close we actually are.

https://clickhouse.com/blog/llm-observability-challenge

🔥 Открытый урок «Архитектура развертывания GitLab: от тестовой среды до продакшна». 🗓 10 сентября в 20:00 МСК 🆓 Бесплатно. Урок в рамках старта курса «CI/CD на основе GitLab». 🎯 На вебинаре разберем: ✔ Как выбрать способ развертывания GitLab: Omnibus, Docker, Kubernetes ✔ Рекомендации по архитектуре для разных масштабов: от одиночного сервера до распределённой инсталляции ✔ Сравнение плюсов и минусов подходов: простота, отказоустойчивость, масштабируемость ✔ Типичные проблемы при развёртывании и как их избежать 👥 Кому будет интересно: - Начинающим DevOps-инженерам — вы получите базовое понимание архитектуры GitLab и научитесь разворачивать его под разные задачи - DevOps-практикам, которые уже используют GitLab и хотят повысить стабильность и отказоустойчивость - Инженерам по внедрению CI/CD, которым важно понять, как масштабировать GitLab в корпоративной среде 🎯 Что вы получите: - Понимание, как развернуть GitLab оптимально под свои задачи - Понимание, как правильно выбрать среду (Docker vs Kubernetes) для развёртывания - Практические советы по стабильности, резервированию и отказоустойчивости GitLab-инсталляций 🔗 Ссылка на регистрацию: https://vk.cc/cP84a2 Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576, erid: 2VtzqwZbjuM

rotel

Rotel provides an efficient, high-performance solution for collecting, processing, and exporting telemetry data. Rotel is ideal for resource-constrained environments and applications where minimizing overhead is critical.

https://github.com/streamfold/rotel

FossFLOW

FossFLOW is a powerful, open-source Progressive Web App (PWA) for creating beautiful isometric diagrams. Built with React and the Isoflow (Now forked and published to NPM as fossflow) library, it runs entirely in your browser with offline support.

https://github.com/stan-smith/FossFLOW

Introducing Off-CPU Profiling

How Off-CPU profiling works and how to get the most out of it

https://www.polarsignals.com/blog/posts/2025/07/30/introducing-off-cpu-profiling

Achieving High Availability with distributed database on Kubernetes at Airbnb

We chose an innovative strategy of deploying a distributed database cluster across multiple Kubernetes clusters in a cloud environment. Although currently an uncommon design pattern due to its complexity, this strategy allowed us to achieve target system reliability and operability. In this post, we’ll share how we overcame challenges and the best practices we’ve developed for this strategy and we believe these best practices should be applicable to any other strongly consistent, distributed storage systems.

https://medium.com/airbnb-engineering/achieving-high-availability-with-distributed-database-on-kubernetes-at-airbnb-58cc2e9856f4

Мониторинг PostgreSQL в Zabbix 🚀 О чём этот урок? PostgreSQL — надёжная и мощная СУБД, но без грамотного мониторинга она может преподнести неприятные сюрпризы. На этом уроке мы разберём, как выстроить мониторинг PostgreSQL в Zabbix так, чтобы вовремя замечать проблемы и поддерживать стабильность работы кластера. Погрузимся в архитектуру PostgreSQL, рассмотрим ключевые метрики и процессы, влияющие на производительность, а также разберём, как отслеживать реплики и контролировать состояние бэкапов. 🎯 Что вы получите: — Чёткое понимание, как организовать мониторинг PostgreSQL через Zabbix — Навык настройки метрик и алертов для стабильной работы кластера — Практику по отслеживанию репликации и состоянию резервных копий — Уверенность в том, что база «не упадёт внезапно» 👉 Регистрация и подробности о курсе Observability: мониторинг, логирование, трейсинг: https://vk.cc/cP2lYA Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576, erid: 2Vtzqv8GmpN

How Meta keeps its AI hardware reliable https://engineering.fb.com/2025/07/22/data-infrastructure/how-meta-keeps-its-ai-hardware-reliable

How to Name Your Spans https://blog.olly.garden/how-to-name-your-spans

OpenTelemetry configuration gotchas https://blog.frankel.ch/opentelemetry-gotchas

Setting Up OpenTelemetry on the Frontend Because I Hate Myself

Frontend developers deserve so much better from OpenTelemetry, especially since they stand to benefit so much.

https://thenewstack.io/setting-up-opentelemetry-on-the-frontend-because-i-hate-myself

Choosing the right OpenTelemetry Collector distribution https://www.datadoghq.com/blog/otel-collector-distributions