# Sätt säkra gränser för självläkning

Taiga Learning · Övningsblad
https://taiga.training/sv/lessons/self-healing/

Använd fiktiv eller godkänd information. Lägg inte hemligheter i övningsbladet.

## Lärandemål
- Skilj självläkning från en permanent korrigering av programvaran.
- Definiera en avgränsad återställningspolicy och oberoende framgångskontroller.
- Identifiera när automatiseringen måste stoppa och eskalera.

## Övning
Utforma en återställningspolicy för lektionens fiktiva export-worker. Ange utlösare, undantag, tillåten åtgärd, gräns för återförsök, väntetid, framgångskontroll och ansvarig för eskalering. Testa policyn mot ett databasavbrott och ett okänt dataintegritetsfel.

## Ditt svar
- Scenario och omfattning:
- Antaganden och öppna frågor:
- Föreslaget svar eller beslut, med skäl:

## Verifiera ditt svar
| Påstående eller kriterium | Underlag eller test | Resultat eller lucka | Ansvarig |
| --- | --- | --- | --- |
| | | | |
| | | | |
| | | | |

## Nästa åtgärd
- Åtgärd, ansvarig och datum:
- När ska du granska svaret igen?

## Princip att behålla
Självläkning behöver ett definierat fel, en behörig åtgärd, ett mätbart resultat och ett stoppvillkor. Att upprepa en åtgärd utan återställning är ytterligare ett fel.

## Källor
- [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/)

Övningsbladet stöder lärande. Att fylla i det ger inte i sig tillstånd till en produktionsändring.