# Definisci limiti sicuri per il self-healing

Taiga Learning · Scheda di lavoro
https://taiga.training/it/lessons/self-healing/

Usa informazioni immaginarie o approvate. Non inserire segreti in questa scheda.

## Obiettivi di apprendimento
- Distinguere il self-healing da una correzione permanente del software.
- Definire una policy di recupero limitata e verifiche indipendenti del successo.
- Riconoscere quando l'automazione deve fermarsi e attivare l'escalation.

## Esercizio
Progetta una policy di recupero per il worker fittizio di esportazione della lezione. Specifica condizione di avvio, esclusioni, azione consentita, limite di tentativi, pausa tra tentativi, verifica del successo e responsabile dell'escalation. Provala con un'indisponibilità del database e un guasto sconosciuto dell'integrità dei dati.

## La tua risposta
- Scenario e ambito:
- Ipotesi e questioni aperte:
- Risposta o decisione proposta, con motivazioni:

## Verifica la tua risposta
| Affermazione o criterio | Prova o test | Risultato o lacuna | Responsabile |
| --- | --- | --- | --- |
| | | | |
| | | | |
| | | | |

## Azione successiva
- Azione, responsabile e data:
- Quando riesaminerai questa risposta?

## Principio da ricordare
Il self-healing richiede un guasto definito, un'azione autorizzata, un risultato misurabile e una condizione di arresto. Ripetere un'azione senza recupero è un altro guasto.

## Fonti
- [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/)

Questa scheda favorisce l'apprendimento. Compilarla non autorizza di per sé una modifica in produzione.