sustain fast flow of work by implementing continuous delivery i. Create the foundation of our deployment pipeline ii. Enabling fast & reliable automated testing iii. Enabling & practicing continuous Integrating objectives of QA & Operations to improve outcomes 2. Ch. 9 – Create the Foundations of Our Deployment Pipeline a. Enterprise Data Warehouse program by Em Campbell-Pretty - $200M, All streams of work INCLUDE RUNNNING IN PRODUCTION-LIKE ENVIRONMENTS i. In general, the longer the interval between deployment, the worse the outcome ii. Ensure Dev & QA routinely integrate with prod-like environments at

Removed 78Did Not Retest Power Peg 79Deploy Version to Support RLP 80Manual Deployment Mistake 81No Review or Test of Deployment 82RLP Goes Live on 7 Servers 83Power Peg Runs on 1 Server 842005 Bites dead code still around •Refactored code in 2005 ; moved dead code ; test still pass •Manual deployment ; no review ; no tests •Different components had different view of same thing •email for important dead code still around •Refactored code in 2005 ; moved dead code ; test still pass •Manual deployment ; no review ; no tests •Different components had different view of same thing •email for important

· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 92 3.1.2 Simulate production deployment on a single machine· · · · · · · · · · · · · · · · 97 3.1.3 What’s next · · · · · · · · · · · · · · · · · · · · · · 643 5.3.1 Minimal Deployment Topology · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 643 5.3.2 TiFlash Deployment Topology · · · · · · · · · · · · · · · · · · · · · · · · · · · · 645 5.3.3 PD Microservice Deployment Topology · · · · · · · · · · · · · · · · · · · · · · · · · · · 648 5.3.4 TiProxy Deployment Topology · · · · · · · · · · · · · · · · · · · ·

· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 119 3.1.2 Simulate production deployment on a single machine· · · · · · · · · · · · · · · · 124 3.1.3 What’s next · · · · · · · · · · · · · · · · · · · · · · 729 5.3.1 Minimal Deployment Topology · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 729 5.3.2 TiFlash Deployment Topology · · · · · · · · · · · · · · · · · · · · · · · · · · · · 731 5.3.3 PD Microservice Deployment Topology · · · · · · · · · · · · · · · · · · · · · · · · · · · 734 5.3.4 TiProxy Deployment Topology · · · · · · · · · · · · · · · · · · · ·

· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 89 3.1.2 Simulate production deployment on a single machine· · · · · · · · · · · · · · · · 94 3.1.3 What’s next · · · · · · · · · · · · · · · · · · · · · · 640 5.3.1 Minimal Deployment Topology · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 640 5.3.2 TiFlash Deployment Topology · · · · · · · · · · · · · · · · · · · · · · · · · · · · 642 5.3.3 PD Microservice Deployment Topology · · · · · · · · · · · · · · · · · · · · · · · · · · · 645 5.3.4 TiProxy Deployment Topology · · · · · · · · · · · · · · · · · · · ·

· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 114 3.1.2 Simulate production deployment on a single machine· · · · · · · · · · · · · · · · 119 3.1.3 What’s next · · · · · · · · · · · · · · · · · · · · · · 724 5.3.1 Minimal Deployment Topology · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 724 5.3.2 TiFlash Deployment Topology · · · · · · · · · · · · · · · · · · · · · · · · · · · · 726 5.3.3 PD Microservice Deployment Topology · · · · · · · · · · · · · · · · · · · · · · · · · · · 729 5.3.4 TiProxy Deployment Topology · · · · · · · · · · · · · · · · · · · ·

· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 89 3.1.2 Simulate production deployment on a single machine· · · · · · · · · · · · · · · · 94 3.1.3 What’s next · · · · · · · · · · · · · · · · · · · · · · 640 5.3.1 Minimal Deployment Topology · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 640 5.3.2 TiFlash Deployment Topology · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 642 5.3.3 TiProxy Deployment Topology · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 645 5.3.4 TiCDC Deployment Topology · · · · · · · · · · · · · · · · ·

standards for libraries, infrastructure, and environments 2. Deployment tools 3. Testing standards and tools, including security 4. Deployment pipeline tools 5. Monitoring and analysis tools 6. Tutorials Integrate security with our deployment pipeline iv. Integrate security with our telemetry for better detection and recovery v. Protect our deployment pipeline vi. Integrate our deployment activities with our that are pre- approved and appropriately configured and secured. f. INTEGRATE SECURITY INTO OUR DEPLOYMENT PIPELINE i. Hardening the application after development completes is not acceptable. Left issues

的总入口，重点关注的是吞吐、延迟、错误率这些黄金指 标 • apiserver 也会缓存很多数据到内存里，所以进程占用的 内存，所在机器的内存使用率都应该要关注 • 采集方式可以参考 categraf 仓库的 k8s/deployment.yaml，大盘可以参考 k8s/apiserver- dash.json • apiserver_request_total 请求量的指标，可以统计每秒请求数、成功率 • apiserve r的运行情况，比如任 务数量，队列深度 • controller-manager出问题的概率相对较小，进程层面没 问题大概率就没问题 • 采集方式可以参考 categraf 仓库的 k8s/deployment.yaml，大盘可以参考 k8s/cm- dash.json • rest_client_request_duration_seconds 请求 apiserver 的耗时分布，histogram类型，按 scheduler 在 Kubernetes 架构中，是负责调度对象到合 适的node上，会有一系列的规则计算和筛选。重点关注调 度这个动作的相关指标 • 采集方式可以参考 categraf 仓库的 k8s/deployment.yaml，大盘可以参考 k8s/scheduler- dash.json • rest_client_request_duration_seconds 请求 apiserver 的耗时分布，histogram类型，按照