<h2>Inhaltsübersicht</h2>
<ul>
<li>Abstract</li>
<li>Zielgruppe</li>
<li>Voraussetzungen</li>
<li>Inhalte</li>
<li>Praxisübungen</li>
<li>Rahmen</li>
<li>Kompetenzen</li>
<li>Optionale Vertiefungen</li>
</ul>
<h2>Abstract</h2>
<p>Transparenz im laufenden System: Built‑in Services, Metriken, RPC‑Tracing und Profiler‑Werkzeuge in Apache bRPC systematisch für Monitoring, Debugging und Incident‑Bearbeitung nutzen.</p>
<h2>Zielgruppe</h2>
<ul>
<li>SRE/DevOps/Platform‑Teams, die bRPC‑Services betreiben oder unterstützen</li>
<li>Entwickelnde, die Produktionsprobleme schneller reproduzieren und beheben wollen</li>
<li>Tech Leads, die Standard‑Runbooks und Observability‑Standards definieren</li>
</ul>
<h2>Voraussetzungen</h2>
<ul>
<li>Grundverständnis bRPC‑Service und Client‑Channel</li>
<li>Basiswissen zu Logs, Metriken und Traces in verteilten Systemen</li>
</ul>
<h2>Inhalte</h2>
<h3>Modul 1: Built‑in Services als Diagnose‑Werkzeugkasten</h3>
<ul>
<li>Status‑Übersicht: Interpretation der wichtigsten Kennzahlen und Service‑Zustände</li>
<li>Variablen/Metriken: bvar‑Prinzip und Strukturierung eigener Messpunkte</li>
<li>Connections: Verbindungszustände, Pooling‑Effekte, Hotspots und Timeouts</li>
<li>Flags: Konfiguration sichtbar machen und kontrolliert ändern (Konzept)</li>
<li>RPC‑Tracing: rpcz‑ähnliche Sicht auf laufende Calls und deren Eigenschaften</li>
</ul>
<h3>Modul 2: Logging und Korrelation</h3>
<ul>
<li>Log‑Struktur: Request‑IDs, Downstream‑IDs, Fehlerkataloge, Latenz‑Spans</li>
<li>Reduktion von Log‑Noise und sichere Log‑Policies (PII‑/Secrets‑Schutz als Prinzip)</li>
<li>Incident‑freundliche Log‑Formate: Suche, Aggregation, Sampling</li>
</ul>
<h3>Modul 3: Profiler‑Services (CPU/Heap/Contention)</h3>
<ul>
<li>Wann welcher Profiler sinnvoll ist und welche Risiken in Produktion bestehen</li>
<li>CPU‑Hotspots identifizieren und typische bRPC‑/C++‑Ursachen erkennen</li>
<li>Heap‑Analyse: Leak‑Hinweise, Fragmentierung, große Objekte</li>
<li>Lock‑Contention: Symptome, Prioritäten, Optimierungsreihenfolge</li>
</ul>
<h3>Modul 4: Troubleshooting‑Methodik und Runbooks</h3>
<ul>
<li>Symptom → Hypothese → Messung → Fix: reproduzierbare Fehleranalyse‑Kette</li>
<li>Standard‑Runbooks: Timeout‑Sturm, Memory‑Leak, CPU‑Spike, Downstream‑Flapping</li>
<li>Definition von Alarmen, Schwellenwerten und SLO‑orientierten Dashboards (Konzept)</li>
</ul>
<h2>Praxisübungen</h2>
<h3>Übung 1: Observability‑Baseline für einen Beispielservice</h3>
<ol>
<li>Built‑in Services aktivieren und sinnvolle Endpunkte/Views identifizieren</li>
<li>Eigene Metriken als bvar‑Konzept ergänzen (z. B. Latenz‑Histogramm, Fehlerzähler)</li>
<li>Ein minimalistisches Dashboard‑Layout als Checkliste definieren</li>
</ol>
<h3>Übung 2: RPC‑Tracing und Problemreproduktion</h3>
<ol>
<li>Eine künstliche Latenz‑Störung einbauen (z. B. Sleep/Lock) und deren Wirkung beobachten</li>
<li>Trace‑Sicht nutzen, um Hot‑Paths und betroffene Calls zu identifizieren</li>
<li>Hypothesen formulieren, verifizieren und Fix‑Optionen priorisieren</li>
</ol>
<h3>Übung 3: Connection‑Analyse und Timeout‑Szenario</h3>
<ol>
<li>Mehrere Clients/Instanzen starten und Connection‑Pooling‑Effekte sichtbar machen</li>
<li>Timeouts reproduzieren (Downstream verlangsamen/stoppen) und Auswirkungen analysieren</li>
<li>Robuste Einstellungen ableiten (Timeout‑Budget, Retry‑Grenzen, Circuit‑Breaker‑Konzept)</li>
</ol>
<h3>Übung 4: Profiling‑Mini‑Session</h3>
<ol>
<li>CPU‑Hotspot erzeugen und CPU‑Profiling‑Daten interpretieren</li>
<li>Heap‑Verbrauch beobachten und Indikatoren für Leak/Fragmentierung ableiten</li>
<li>Lock‑Contention‑Hinweise erkennen und gezielte Refactorings skizzieren</li>
</ol>
<h2>Rahmen</h2>
<ul>
<li>Empfohlener Zeitbedarf: 2 Tage</li>
<li>Begründung zur Dauer: Diagnosefähigkeiten entstehen durch wiederholte Szenarien (Störung erzeugen, Daten interpretieren, Fix ableiten). Dafür sind mehrere Iterationen mit unterschiedlichen Fehlerbildern notwendig.</li>
<li>Format: Szenario‑basiertes Training mit Runbook‑Erstellung</li>
</ul>
<h2>Kompetenzen</h2>
<ul>
<li>Built‑in Services gezielt für Fehleranalyse und Betrieb nutzen</li>
<li>Metriken/Logs/Traces so strukturieren, dass Incidents schneller eingrenzbar sind</li>
<li>Profiler‑Werkzeuge risikoarm einsetzen und Ergebnisse interpretieren</li>
<li>Runbooks erstellen, die reproduzierbar zu Messung und Fix führen</li>
</ul>
<h2>Optionale Vertiefungen</h2>
<ul>
<li>SLO‑orientierte Alarmierung und Burn‑Rate‑Denken (Konzept)</li>
<li>Standardisierte Observability‑Templates für neue Services</li>
<li>Tracing‑Korrelation über mehrere Sprachen/Protokolle hinweg (Konzept)</li>
</ul>
