Site Reliability und Monitoring
Bescheid wissen, bevor Ihre Kunden es tun
Monitoring und Alarme melden sich, solange ein Fehler noch klein ist; Kennzahlen zeigen, wie oft das gelingt.
Ausgewählte Arbeiten, die diese Leistung zeigen.

Foto: PublicCo / Pixabay 
Foto: PIRO4D / Pixabay
Die Leistung in ein Ergebnis überführen
Machen Sie „Site Reliability und Monitoring“ für ein Geschäftsergebnis nutzbar. Wir können die technische Arbeit mit den Nutzern, Betriebsabläufen und Entscheidungen verbinden, die sie unterstützen soll. Monitoring und Alarme melden sich, solange ein Fehler noch klein ist; Kennzahlen zeigen, wie oft das gelingt.
Die passenden Arbeiten prüfen
Prüfen Sie unser Vorgehen anhand der zugehörigen Arbeiten auf dieser Seite. Fragen Sie nach den Abwägungen und den Bedingungen hinter jedem Ergebnis. Das erste Observability‑Dashboard aufgebaut — der erste Einblick des Unternehmens in die eigenen Systeme
Das erste Observability‑Dashboard aufgebaut Kontakt aufnehmen
-
Das erste Observability‑Dashboard aufgebaut
Das erste Observability‑Dashboard des Unternehmens entwickelt und eingeführt, das Systemperformance und Datenvisualisierungen in Echtzeit auf dem großen Bürofernseher anzeigt.
-
10 PostgreSQL-/MS‑SQL‑Server auf Ubuntu
10 PostgreSQL- und MS‑SQL‑Server auf Ubuntu‑Linux‑VPS entworfen, bereitgestellt und gewartet und dabei Serverperformance und Zuverlässigkeit sichergestellt.
-
Betriebsrisiken mit Grafana/Prometheus gesenkt
Betriebsrisiken durch ein Monitoring‑Dashboard mit Grafana und Prometheus verringert und die Systemzuverlässigkeit verbessert.
-
40 Websites mit Apache und Nginx administriert
40 Websites auf Ubuntu‑Linux‑Hostingservern mit Apache und Nginx administriert und hohe Verfügbarkeit und Performance sichergestellt.
-
Ein Kartenprodukt durchgängig verantwortet
Infrastruktur, Datenverarbeitung und eine Kartenanwendung über 2 Jahre konzipiert, entwickelt und betreut, einschließlich Softwareauslieferung und betrieblicher Wartung.
-
E‑Mail mit Failover und Zustellprotokoll gebaut
E‑Mail als Plattformfunktion entwickelt — drei Anbieter mit Ausfallsicherung, Zustell‑Webhooks, Versand- und Zustellprotokollen, Vorlagen und Kampagnen — hinter einer Startprüfung, die ohne eingerichteten Anbieter den Systemstart verhindert.
-
Azure‑Plattformbereitstellungen verantwortet
Die durchgängige Bereitstellung der Plattform auf Azure verantwortet und Releases über Entwicklungs-, Staging- und Produktivumgebungen hinweg gesteuert.
-
24/7‑Support für rund 1.000 IPTV/OTT‑Server
Rund um die Uhr 24/7‑Infrastruktursupport für eine IPTV/OTT‑Streaming‑Plattform geleistet und rund 1.000 Server sowie kundeneigene Systeme für internationale Kunden in China, den USA und Deutschland administriert.
-
IPTV‑Signale unterbrechungsfrei übertragen
Die unterbrechungsfreie Übertragung von IPTV‑Streaming‑Signalen zwischen Anbietern und Kunden sichergestellt und Streaming‑Netzwerk sowie IP‑Telefonie rund um die Uhr überwacht und gewartet.
-
Infrastruktur entwickelt, die Jahre später läuft
Neue Infrastrukturfunktionen für interne und externe Systeme geplant und umgesetzt und dabei langlebige Lösungen geschaffen, die Jahre später mit minimalen Änderungen weiterlaufen.
-
Langsame Aufgaben in River‑Jobqueue verlagert
Langsame Verarbeitung aus dem Anfragepfad in eine River‑Jobqueue verlagert — 15 Worker‑Module, 8 geplante Aufgaben und 20 pg_cron‑Jobs — sodass Anfragen zurückkehren, während die zugehörige Arbeit weiterläuft.
-
Eigene Fehlerüberwachung und Tracing entwickelt
Eigene Fehlerüberwachung und OpenTelemetry‑Tracing entwickelt statt eingekauft — Bereinigung von Nutzdaten, Erkennung von Fehlerspitzen und Regressionen, Symbolauflösung und synthetisches Lebenszeichen — mit 11 Betriebsansichten.
-
Bei Fehlern sperrenden Missbrauchsschutz gebaut
Bei Fehlern sperrende Missbrauchsschutzmechanismen aufgebaut — 22 Redis‑gestützte Ratenbegrenzer, Cloudflare Turnstile, Anfrage‑Idempotenz und eine Ursprungssperre — damit die Plattform Bots und Überlastungsangriffe abweist, statt ihren Aufrufern zu vertrauen.
-
Drei Türschlösser, keines davon abgeschlossen
Drei nie funktionierende SSH‑Brute‑Force‑Schutzmechanismen gefunden und korrigiert: eine Sperr‑Jail für Port 22 bei einem auf 1986 lauschenden Daemon, eine durch eine allgemeinere vorherige Regel verdeckte Ratenbegrenzung und eine Sperraktion, deren Programm nie gefunden wurde, sodass nie eine Sperre griff.
-
Angriffssperren bei jedem Lauf nachgewiesen
Den Pfad zur Angriffssperre bei jedem Härtungslauf durchgängig nachgewiesen: eine reservierte Testadresse gesperrt, die entstandene Kernelregel ausgelesen und die Sperre in einem garantierten Aufräumblock aufgehoben, sodass eine ausgefallene Jail den Lauf scheitern lässt, statt einen gesunden Zustand zu melden.
-
Sicherungsautomatisierung mit klarem Wiederherstellungsweg
restic‑Sicherungsautomatisierung mit Aufbewahrung, Integritätsprüfungen und monatlichem Wiederherstellungstest umgesetzt; Speicheraktivierung und Nachweis einer tatsächlichen Wiederherstellung als getrennte Betriebsschritte dokumentiert.
-
Totmannüberwachung für Hosts entwickelt
Eine Totmannüberwachung entwickelt, die nur bei gesundem Speicher- und Plattenzustand Signale sendet, sodass ein beeinträchtigter Host durch sein Verstummen alarmiert — und sechs Variablennamen mit "free" gefunden, deren Prüfungen korrekt "available" maßen, auf einem Rechner mit 464 MB um eine Größenordnung verschieden.
-
Ansibles Prüfmodus aussagekräftig gemacht
Den Prüfmodus auf der gesamten Plattform aussagekräftig gemacht, nachdem sechs Sonden anhand eines vom Host nie gelieferten Werts entschieden hatten: Ansibles command‑Modul meldet unter --check Erfolg, obwohl es den Befehl vollständig überspringt.
-
7 lesende Host‑Berichtsrollen entwickelt
Sieben schreibgeschützte Berichtsrollen entwickelt, die den Zustand eines laufenden Hosts in Markdown abbilden — Fakten, Zugriff, Git, Metriken, Verkehr, Sicherheit und Anbieterinventar — nach der Regel, dass keine Zahl erscheint, die der Lauf nicht gemessen hat.
-
Jedes Betriebsgeheimnis je Host getrennt
Die vier betrieblichen Geheimnisse je Host getrennt, nachdem sich gezeigt hatte, dass zwei Hosts mit einer gemeinsamen Totmannschaltung weniger zuverlässig alarmieren als zwei getrennte Schaltungen und eine gemeinsame Sicherungspassphrase die Sicherungen beider Hosts auch in getrennten Repositorys offenlegen kann, wenn jemand die Passphrase erlangt und die verschlüsselten Daten und Schlüsseldateien beider Repositorys lesen kann.
-
Eine begrenzte Ereignispipeline für eine macOS‑App
Ereignispuffer und Protokollierung nach einem dokumentierten macOS‑Vorfall mit 41 MB Wachstum pro Sekunde und 111 GB komprimierten Speicherseiten auf einem Rechner mit 36 GB begrenzt; ein dokumentierter vollständiger Testlauf reduzierte Kernprotokollzeilen von 610.996 auf 1.411.
-
13 Adressen ohne Tracking gemessen
Dreizehn Adressen ausschließlich anhand des eigenen Webserver‑Zugriffsprotokolls gemessen — ohne Cookie, Tracker oder Drittanbieterdienst — das Clientnetz beim Schreiben jeder Zeile maskiert und das Ergebnis dauerhaft mit 21 täglichen Zählwerten und 20 monatlichen Facetten archiviert.
-
Sechs Sammler weisen übersprungene Eingaben aus
Sechs Berichtssammler um Angaben zu ungelesenen Eingaben ergänzt — ungeöffnete Dateien, nicht installierte Sonden, unbekannte Journalzeilen — und Schwellenwerte anhand von 116 gemessenen Stichproben bestimmt, nachdem eine blinde Erfassung und ein gesunder Host dieselbe Seite ergeben hatten.

