课程目录

开篇词 (2讲)

  1. 开篇词｜互联网公司故障频发，我们应该如何保障服务持续可靠？
  2. 导学｜如何构建坚不可摧的服务可靠性体系？

元旦加餐 (1讲)

  1. 元旦加餐｜2024年互联网大厂故障盘点

热点加餐 (2讲)

  1. 微软蓝屏事件：如何应对变更带来的问题？
  2. 网易云音乐故障猜想：如何避免迁移带来的问题？

基础篇 (6讲)

  1. 01｜监控：如何从业务视角出发添加监控？
  2. 02｜ 容量：从业务视角看容量到底是什么？
  3. 03｜变更：为什么说变更是可靠性的第一杀手？
  4. 04｜预案：预案的三板斧指的是什么？
  5. 05｜备份和恢复：可靠性的最后一道防线
  6. 06｜可靠性文化和规范：人是万物的尺度

场景篇 (11讲)

  1. 07｜监控场景：为什么所有故障都有监控的因素？
  2. 08｜容量场景（一）：12306为什么现在能扛住春节抢票了？
  3. 09｜容量场景（二）：一次让网盘雪崩的热点事件
  4. 10｜容量场景（三）：一条让新浪工程师们通宵加班的微博
  5. 11｜变更场景（一）：一条让Facebook蒸发百亿的指令
  6. 12｜变更场景（二）：一次简单升级竟然损失几千万
  7. 13｜变更场景（三）： 连续绊倒两个云厂商的故障
  8. 14｜预案场景（一）：B站最为深刻的一次自我剖析
  9. 15｜预案场景（二）：一次机房故障为何让多位高管被辞退？
  10. 16 ｜备份和恢复：一次误操作中断7小时
  11. 17 ｜可靠性意识：可靠性Oncall十大原则

AIOps篇 (8讲)

  1. 18｜概述：AIOps涉及哪些领域和方向？
  2. 19｜AIOps故障发现：我们如何看到肉眼看不到的故障？
  3. 20｜AIOps问题定位：如何在报警风暴中找到暴风眼？
  4. 21｜AIOps容量预测：如何准确地预估流量？
  5. 22｜AIOps变更管理：如何进行更全面地检查与更精准地阻断？
  6. 23｜AIOps智能决策：给故障处理安装一个大脑
  7. 24｜AIOps数据可靠性：如何预测磁盘故障
  8. 25｜可靠性基础科学：可靠性背后的运筹学和概率学

结束语 (2讲)

  1. 结束语｜这里不是终点，而是一个起点
  2. 结课测试｜来赴一场满分之约