# Sæt sikre grænser for self-healing

Taiga Learning · Arbejdsark
https://taiga.training/da/lessons/self-healing/

Brug fiktive eller godkendte oplysninger. Skriv ikke secrets i arbejdsarket.

## Læringsmål
- Skeln mellem self-healing og en varig softwarerettelse.
- Definér en afgrænset gendannelsespolitik og uafhængige kontroller af succes.
- Genkend, hvornår automatisering skal stoppe og eskalere.

## Øvelse
Design en gendannelsespolitik for lektionens fiktive eksportworker. Angiv udløser, undtagelser, tilladt handling, grænse for nye forsøg, ventetid, succeskontrol og eskaleringsansvarlig. Test den mod et databaseudfald og en ukendt dataintegritetsfejl.

## Dit svar
- Scenarie og omfang:
- Antagelser og åbne spørgsmål:
- Foreslået svar eller beslutning med begrundelser:

## Verificér dit svar
| Påstand eller kriterium | Dokumentation eller test | Resultat eller mangel | Ansvarlig |
| --- | --- | --- | --- |
| | | | |
| | | | |
| | | | |

## Næste handling
- Handling, ansvarlig og dato:
- Hvornår vil du gennemgå dette svar?

## Princip at huske
Self-healing kræver en defineret fejl, en autoriseret handling, et målbart resultat og en stopbetingelse. At gentage en handling uden gendannelse er endnu en fejl.

## Kilder
- [Kubernetes: Self-Healing](https://kubernetes.io/docs/concepts/architecture/self-healing/)
- [AWS Builders’ Library: Timeouts, retries, and backoff with jitter](https://aws.amazon.com/builders-library/timeouts-retries-and-backoff-with-jitter/)
- [Google SRE: Automation at Google](https://sre.google/sre-book/automation-at-google/)

Arbejdsarket understøtter læring. Gennemførelse autoriserer ikke i sig selv en produktionsændring.