برای سرویس‌های در حال اجرا، شاخص‌های قابل سنجش، روند پاسخ به رخداد و برنامه نگهداشت تعریف می‌کنیم. همکاری می‌تواند پروژه‌ای برای راه‌اندازی SRE باشد یا، پس از تعیین دامنه و سطح پشتیبانی، به عملیات مدیریت‌شده برسد.
گفت‌وگو درباره این حوزهSite Reliability Engineering روش‌هایی برای سنجش و بهبود قابلیت اطمینان سرویس‌های تولیدی به کار می‌گیرد. تمرکز بر تجربه کاربر، شاخص‌های عملیاتی، ظرفیت، رخدادها و یادگیری از اختلال است؛ نه صرفاً روشن‌بودن سرورها.
موارد زیر نمونه‌هایی از گزینه‌های مرتبط با این حوزه‌اند. انتخاب نهایی با توجه به معماری موجود، محدودیت‌ها و توان نگهداشت تیم انجام می‌شود.
دامنه، مسئولیت‌ها و معیار پذیرش پیش از اجرا روشن می‌شوند؛ جزئیات هر مرحله با وضعیت محیط مشتری تنظیم خواهد شد.
سرویس‌ها، وابستگی‌ها، داده‌های رخداد، شیوه on-call و انتظارات کسب‌وکار بررسی می‌شوند.
شاخص‌ها و اهداف واقع‌بینانه، مسئولیت تیم‌ها و اولویت‌های بهبود مشخص می‌شوند.
هشدارها، Runbookها، ظرفیت، ارتقا و سناریوهای بازیابی پیاده‌سازی یا تمرین می‌شوند.
نتایج رخدادها و روند شاخص‌ها برای تعیین اقدام‌های بعدی مرور می‌شوند؛ سطح خدمات مستمر جداگانه توافق می‌شود.
این‌ها هدف‌های مهندسی‌اند، نه تضمین نتیجه؛ اثر هر اقدام به وضعیت اولیه، دامنه و شرایط محیط بستگی دارد.
نیاز، معماری فعلی و محدودیت‌های پروژه را مطرح کنید تا درباره دامنه و گام‌های مناسب گفت‌وگو کنیم.