Production Support L3: investigar e recuperar

Objetivos e percurso

Doze módulos preparam decisões de suporte de produção desde a triagem até à melhoria após o incidente. As aulas ligam hipóteses, batch, transferências, indicadores, passagem de turno e runbooks a exemplos fictícios de operações financeiras. O banco inclui perguntas de cálculo, respostas múltiplas e vinte cenários com restrições e alternativas. Inclui diagnóstico Linux, JVM, TLS e DNS, retries sob carga e interpretação de rollouts Kubernetes, observabilidade distribuída, controlo de acesso e limites de recuperação. AutoSys e Transfer CFT aparecem como contexto de ferramentas; comandos e códigos concretos devem ser confirmados na versão instalada. É uma avaliação de conhecimentos e decisões, não uma certificação externa nem uma demonstração prática de acesso a produção.

Para quem: Suporte L2/L3, Application Production Support e gestores técnicos com responsabilidades operacionais.

Pré-requisitos: Noções de sistemas, aplicações, logs e fluxos de dados. Recomenda-se familiaridade com Linux e middleware.

460 minutos de estudo estimados

• Interpretar cobertura de telemetria, percentis e recuperação com autoridade e integridade.
• Distinguir evidência de disco, logs, pressão de recursos, JVM, TLS e DNS.
• Controlar amplificação de retries e interpretar gates e condições de rollout.
• Relacionar impacto, urgência e coordenação da resposta.
• Investigar hipóteses e escalar com evidência que permita agir.
• Recuperar batch e ficheiros considerando estado parcial e duplicados.
• Validar resultados, passagem de turno e eficácia de ações preventivas.

Módulos

1. Fazer triagem e organizar a resposta
2. Investigar por hipóteses e dependências
3. Recuperar cadeias batch sem falsificar sucesso
4. Validar transferências e reconciliação
5. Medir impacto e confirmar recuperação
6. Transformar o incidente em melhoria verificável
7. Passagem de turno e escalamento
8. Runbooks que permitem decidir
9. Diagnóstico Linux, JVM e conectividade
10. Recuperação sob carga e após releases
11. Observabilidade e evidência distribuída
12. Acesso, mudança e limites de recuperação

Continua a aprender

Avaliações técnicas

• Administração Linux
• Middleware
• Gestor de projetos técnicos
• DNS

Referências e versão

DR Production Support L3 2026.4; Linux, JDK 25 HotSpot, OpenSSL 3.5 and Kubernetes examples require installed-version checks

• Incident response · 2026-09-29
• Managing incidents · 2026-09-29
• Effective troubleshooting · 2026-09-29
• Monitoring distributed systems · 2026-09-29
• Implementing SLOs · 2026-09-29
• Alerting on SLOs · 2026-09-29
• Postmortem culture · 2026-09-29
• Postmortem practices · 2026-09-29
• Evolution of automation · 2026-09-29
• Being on-call · 2026-09-29
• AutoSys: success_codes and exit status · 2026-09-29
• Transfer CFT product overview · 2026-09-29
• Making retries safe with idempotent APIs · 2026-09-29
• Data processing pipelines · 2026-09-29
• Data integrity · 2026-09-29
• Process file descriptors · 2026-10-01
• Filesystem byte and inode usage · 2026-10-01
• Unlink and open file lifetime · 2026-10-01
• Journal selection and time display · 2026-10-01
• Pressure Stall Information · 2026-10-01
• Java diagnostic tools · 2026-10-01
• OpenSSL client diagnostics · 2026-10-01
• DNS resolution debugging · 2026-10-01
• Timeouts, retries, backoff and jitter · 2026-10-01
• Handling overload · 2026-10-01
• Deployment progress and availability · 2026-10-01
• Canary release evaluation · 2026-10-01
• Context propagation · 2026-10-01
• Sampling · 2026-10-01
• Query functions · 2026-10-01
• Histograms and summaries · 2026-10-01
• Metric and label naming · 2026-10-01
• Root cause analysis concepts · 2026-10-01
• Privileged Identity Management overview · 2026-10-01
• Handling sensitive data · 2026-10-01
• Configuring fencing in a Red Hat High Availability cluster · 2026-10-01
• Plan for Disaster Recovery · 2026-10-01