Отказоустойчивость: зачем, почему и как мы проверяем её на проде

Этот доклад посвящён тому, почему мы решили проверять поведение нашей системы при сбоях её компонентов не в тестовой среде, а прямо в продакшене – и как мы это реализуем.

• Сможет ли система продолжить работу в условиях отказа?
• Действительно ли сработают наши резервные механизмы?
• Не потеряем ли мы данные?
• Как будет происходить восстановление системы?
• Понадобится ли участие человека, и если да – готов ли персонал к такому сценарию?

Мы разберём, как мы организуем этот процесс, как он развивается, какие цели перед собой ставим и как анализируем результаты таких испытаний.