# Wyznacz bezpieczne granice samonaprawy

Taiga Learning · Arkusz
https://taiga.training/pl/lessons/self-healing/

Używaj fikcyjnych lub zatwierdzonych informacji. Nie umieszczaj sekretów w arkuszu.

## Cele nauki
- Odróżnij samonaprawę od trwałej poprawki oprogramowania.
- Określ ograniczoną politykę odzyskiwania i niezależne kontrole sukcesu.
- Rozpoznaj, kiedy automatyzacja musi się zatrzymać i eskalować.

## Ćwiczenie
Zaprojektuj politykę odzyskiwania dla fikcyjnego workera eksportu. Określ wyzwalacz, wykluczenia, dozwolone działanie, limit prób, przerwę, kontrolę sukcesu i właściciela eskalacji. Sprawdź ją dla awarii bazy danych i nieznanego problemu integralności.

## Twoja odpowiedź
- Scenariusz i zakres:
- Założenia i otwarte pytania:
- Proponowana odpowiedź lub decyzja z uzasadnieniem:

## Sprawdź odpowiedź
| Twierdzenie lub kryterium | Dowód lub test | Wynik lub luka | Właściciel |
| --- | --- | --- | --- |
| | | | |
| | | | |
| | | | |

## Następne działanie
- Działanie, właściciel i data:
- Kiedy przejrzysz tę odpowiedź?

## Zasada do zapamiętania
Samonaprawa wymaga określonej awarii, uprawnionego działania, mierzalnego wyniku i warunku zatrzymania. Powtarzanie działania bez przywrócenia usługi to kolejna awaria.

## Źródła
- [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/)

Arkusz wspiera naukę. Samo ukończenie nie upoważnia do zmiany produkcji.