Zum Inhalt springen
Ein persönliches Experiment · Alpha · Code noch nicht öffentlich · kein Angebot, kein Support Projektstatus →

Betriebsprozesse

Teams denken in Prozessen: Patchen, Releases, Incidents, Restores. Vaicoa drückt sie als signierte Katalogeinträge und Regeln aus, die der Kern und die Nodes durchsetzen. Vaicoa ist die Freigabeschicht, kein Ticketsystem: Es verweist auf deine Tickets.

Ein Playbook ist eine signierte Folge von Katalogaktionen mit Checks zwischen den Schritten, einmal als ganzer Plan freigegeben.

  • Der Kern expandiert den vollständigen Plan im Voraus: jeden Schritt, jedes Ziel, jeden Check, die Stopp-Regel. Du gibst genau diese Expansion frei, per Digest.
  • Jeder Schritt läuft als eigene Op mit dem Verweis auf das Playbook; die Nodes prüfen jeden Schritt gegen den freigegebenen Plan und lehnen einen Schritt ab, der schon gelaufen ist.
  • Ein roter Check stoppt den Lauf. Ein Rollback, der Teil des Plans war, läuft sofort, ohne neue Freigabe.
  • maxShare begrenzt den Anteil eines Clusters, den ein Lauf anfasst (bei rollierenden Playbooks pro Batch); ein größerer Plan wird abgelehnt, bevor jemand gefragt wird.
PlaybookWas es tut
patch.windowpro Node: cordon, drain, OS-Update, Reboot, warten bis Ready mit neuer Boot-ID, uncordon; ein Node nach dem anderen
release.rolloutRelease-Tag, Flux-Reconcile, ein Canary-Anteil der Replicas, ein Check; bei Rot gehen die Replicas zurück
incident.first_responseliest Events, Logs und Metriken eines Workloads, bestätigt den Alert, schreibt die Befunde in den Incident
restore.drillprüft das Backup des Kerns, stellt deine neuesten Backups in Wegwerf-Objekte wieder her, prüft und löscht sie
gameday.runbeendet einen Pod, isoliert einen Node, fügt Latenz hinzu, jeweils mit einem Check; nie in Produktion

Agenten sehen Playbooks als vaicoa-run-Tools, die nach ihnen benannt sind.

Normaler Changevorgeschlagen, vom Quorum freigegeben, ausgeführt
Standard-Changeeine Vorlage im signierten Roster: welche Routineaktionen ohne eigene Freigabe laufen, in welchen Grenzen (ein CEL-Ausdruck), in welcher Umgebung, wie lange. Erlaubt unter starter, eine auditierte Abschwächung unter standard, nie unter strict.
Notfall-Changemit Incident-Verweis, selbst bestätigt, binnen 24 Stunden von zwei Ownern geprüft; bis dahin werden Owner geweckt und der Change wird rot angezeigt. Nichts Destruktives; unter strict aus.
Freeze- und Wartungsfensterim Roster, auch für die Nodes bindend. Während eines Freeze werden normale Changes und Standard-Changes abgelehnt; Incidents und Alerts bleiben möglich.
Error Budgetaus SLO-Dateien und metrics.query. Ist das Budget eines Dienstes aufgebraucht, werden seine Changes eingefroren (oder brauchen eine Freigabe mehr); Changes mit dem Label reliability gehen durch und werden gezählt. Ist die Metrikquelle nicht erreichbar, lehnt der Kern ab, statt durchzuwinken.
Readiness Revieweine Umgebung wird nur über env.production zur Produktion, deren Plan eine Checkliste ist, die der Kern prüft: SLO-Dateien, Alert-Routen, ein Backup-Ziel, ein bestandener Restore-Drill, höchstens 90 Tage alt, Playbooks.
  • Incidents sind Verweise auf dein Ticket (zum Beispiel jira:OPS-42). Ops, die mit diesem Verweis vorgeschlagen werden, gehören dazu; Ergebnisse lassen sich als Forgejo-Kommentar oder signierter Webhook zurückschreiben.
  • Alerts lassen sich in Alertmanager höchstens 24 Stunden stummschalten, nur mit spezifischen Matchern.
  • Postmortems (report.create kind=postmortem) bauen die Zeitleiste aus dem Audit und nennen Rollen, keine Personen.
  • Restores von CloudNativePG-Datenbanken und Volumes gehen in neue Objekte; einen Cluster zu ersetzen ist destruktiv und braucht den eingetippten Namen.
  • Restore-Drills und Game Days enden mit einem Bericht, den der Kern mit seinem Audit-Schlüssel signiert, mit gemessenem RPO und RTO.
  • cert.renew, secret.rotate (ohne dass jemand den Wert sieht), host.isolate und seine Aufhebung, host.packages.
  • Access Review alle 90 Tage: Mitglieder, Geräte, Rollen, Tunnel-Berechtigungen, Session-Vorlagen. Was nicht innerhalb der Frist bestätigt wird, verfällt über eine Roster-Änderung, die der Kern entwirft; aussperren kann sie niemanden.
  • Berichte aus dem Audit: DORA-Metriken, Toil, Rufbereitschaft; jede Kennzahl neben ihrer Gegenmetrik.