# Sichere Grenzen für Self-Healing festlegen

Taiga Learning · Arbeitsblatt
https://taiga.training/de/lessons/self-healing/

Nutzen Sie fiktive oder freigegebene Informationen. Tragen Sie keine Secrets in dieses Arbeitsblatt ein.

## Lernziele
- Self-Healing von einer dauerhaften Softwarekorrektur unterscheiden.
- Eine begrenzte Wiederherstellungsrichtlinie und unabhängige Erfolgsprüfungen definieren.
- Erkennen, wann Automatisierung stoppen und eskalieren muss.

## Übung
Entwerfen Sie eine Wiederherstellungsrichtlinie für den fiktiven Export-Worker dieser Lektion. Definieren Sie Auslöser, Ausschlüsse, erlaubte Handlung, Wiederholungsgrenze, Wartezeit, Erfolgsprüfung und Eskalationsverantwortung. Testen Sie die Richtlinie bei Datenbankausfall und ungeklärtem Datenintegritätsfehler.

## Ihre Antwort
- Szenario und Umfang:
- Annahmen und offene Fragen:
- Vorgeschlagene Antwort oder Entscheidung mit Begründung:

## Prüfen Sie Ihre Antwort
| Aussage oder Kriterium | Nachweis oder Test | Ergebnis oder Lücke | Verantwortung |
| --- | --- | --- | --- |
| | | | |
| | | | |
| | | | |

## Nächste Handlung
- Handlung, Verantwortung und Datum:
- Wann werden Sie diese Antwort erneut prüfen?

## Beizubehaltendes Prinzip
Self-Healing braucht einen definierten Fehler, eine autorisierte Handlung, ein messbares Ergebnis und eine Abbruchbedingung. Eine erfolglos wiederholte Handlung ist ein weiterer Fehler.

## Quellen
- [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/)

Dieses Arbeitsblatt unterstützt das Lernen. Seine Bearbeitung autorisiert für sich genommen keine Produktionsänderung.