# Postavite sigurne granice za self-healing

Taiga Learning · Radni list
https://taiga.training/hr/lessons/self-healing/

Upotrijebite izmišljene ili odobrene informacije. Nemojte stavljati tajne podatke u ovaj radni list.

## Ciljevi učenja
- Razlikovati self-healing od trajnog ispravka softvera.
- Odrediti ograničeno pravilo oporavka i neovisne provjere uspjeha.
- Prepoznati kada automatizacija mora stati i eskalirati.

## Vježba
Osmislite pravilo oporavka za izmišljeni radni proces izvoza iz ove lekcije. Odredite okidač, izuzeća, dopuštenu radnju, ograničenje pokušaja, razdoblje čekanja, provjeru uspjeha i osobu odgovornu za eskalaciju. Testirajte ga pri nedostupnosti baze podataka i nepoznatoj pogrešci integriteta podataka.

## Vaš odgovor
- Scenarij i opseg:
- Pretpostavke i otvorena pitanja:
- Predloženi odgovor ili odluka, s razlozima:

## Provjerite odgovor
| Tvrdnja ili kriterij | Dokaz ili test | Rezultat ili nedostatak | Odgovorna osoba |
| --- | --- | --- | --- |
| | | | |
| | | | |
| | | | |

## Sljedeća radnja
- Radnja, odgovorna osoba i datum:
- Kada ćete pregledati ovaj odgovor?

## Načelo koje treba zadržati
Self-healing treba definiran kvar, ovlaštenu radnju, mjerljiv rezultat i uvjet zaustavljanja. Ponavljanje radnje bez oporavka još je jedan kvar.

## Izvori
- [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/)

Ovaj radni list podupire učenje. Njegovo dovršavanje samo po sebi ne odobrava produkcijsku promjenu.