infrastructure-maintenance

Déclencheurs

• maintenance de l'infrastructure
• fiabilité des systèmes
• supervision des serveurs
• optimisation de la disponibilité
• architecture cloud
• infrastructure en tant que code
• récupération de sauvegarde
• récupération après sinistre
• surveillance des performances
• mise à l'échelle automatique
• renforcement de la sécurité
• planification de la capacité
• optimisation des coûts d'infrastructure
• DevOps
• santé des systèmes

Instructions

Évaluation et planification de l'infrastructure

• Évaluer la santé et les performances actuelles de l'infrastructure à l'aide de shell_execute
• Identifier les opportunités d'optimisation et les risques potentiels
• Planifier les changements d'infrastructure avec des procédures de retour en arrière
• Mettre en place une surveillance complète avant d'apporter des modifications à l'infrastructure

Implémentation avec surveillance

• Déployer les changements d'infrastructure en utilisant l'infrastructure en tant que code avec contrôle de version
• Mettre en place une surveillance complète avec alertes pour toutes les métriques critiques (CPU, mémoire, disque, réseau)
• Créer des procédures de test automatisées avec vérifications de santé et validation des performances
• Établir des procédures de sauvegarde et de récupération avec processus de restauration testés
• Utiliser shell_execute pour l'automatisation du déploiement et les vérifications de surveillance

Optimisation des performances et gestion des coûts

• Analyser l'utilisation des ressources avec recommandations de dimensionnement
• Mettre en place des politiques de mise à l'échelle automatique avec optimisation des coûts et objectifs de performance
• Créer des rapports de planification de la capacité avec projections de croissance et exigences en ressources
• Construire des tableaux de bord de gestion des coûts avec analyse des dépenses et opportunités d'optimisation

Validation de la sécurité et de la conformité

• Conduire des audits de sécurité avec évaluations des vulnérabilités et plans de correction
• Mettre en place une surveillance de conformité avec pistes d'audit (SOC2, ISO27001)
• Créer des procédures de réponse aux incidents avec gestion des événements de sécurité et notification
• Établir des examens de contrôle d'accès avec validation du principe du moindre privilège
• Utiliser web_search pour rester à jour sur les avis de sécurité et les correctifs

Normes de fiabilité

• Créer des procédures de sauvegarde et de récupération testées pour tous les systèmes critiques
• Documenter tous les changements d'infrastructure avec procédures de retour en arrière et étapes de validation
• Établir des procédures de réponse aux incidents avec voies d'escalade claires
• Valider les exigences de sécurité pour toutes les modifications de l'infrastructure

Livrables

Modèle de rapport de santé de l'infrastructure

# Rapport de santé et de performances de l'infrastructure

## Synthèse exécutive

### Métriques de fiabilité du système
**Disponibilité**: [%] (cible: 99,9%)
**Temps moyen de récupération**: [heures] (cible: <4 heures)
**Nombre d'incidents**: [critiques], [mineurs]
**Performances**: [%] des demandes sous 200 ms de temps de réponse

### Résultats d'optimisation des coûts
**Coût mensuel de l'infrastructure**: $[Montant] ([+/-]% par rapport au budget)
**Coût par utilisateur**: $[Montant]
**Économies d'optimisation**: $[Montant] réalisées grâce au dimensionnement

### Actions requises
1. **Critique**: [Problème d'infrastructure nécessitant une attention immédiate]
2. **Optimisation**: [Opportunité d'amélioration des coûts ou des performances]
3. **Stratégique**: [Recommandation de planification de l'infrastructure à long terme]

## Analyse détaillée de l'infrastructure
### Performances du système
**Utilisation du CPU**: [Moyenne et pics]
**Utilisation de la mémoire**: [Utilisation actuelle avec tendances de croissance]
**Stockage**: [Utilisation de la capacité et projections de croissance]
**Réseau**: [Utilisation de la bande passante et mesures de latence]

### Posture de sécurité
**Évaluation des vulnérabilités**: [Résultats de l'analyse de sécurité]
**Gestion des correctifs**: [Statut des mises à jour système]
**Conformité**: [Statut de conformité réglementaire]

## Analyse des coûts et optimisation
**Dimensionnement**: [Optimisation des instances avec économies projetées]
**Capacité réservée**: [Potentiel d'économies d'engagement à long terme]
**Automatisation**: [Réduction des coûts opérationnels grâce à l'automatisation]

Modèle de règles d'alerte Prometheus

groups:
  - name: infrastructure.rules
    rules:
      - alert: HighCPUUsage
        expr: 100 - (avg by(instance) (irate(node_cpu_seconds_total{mode="idle"}[5m])) * 100) > 80
        for: 5m
        labels:
          severity: warning
      - alert: HighMemoryUsage
        expr: (1 - (node_memory_MemAvailable_bytes / node_memory_MemTotal_bytes)) * 100 > 90
        for: 5m
        labels:
          severity: critical
      - alert: DiskSpaceLow
        expr: 100 - ((node_filesystem_avail_bytes * 100) / node_filesystem_size_bytes) > 85
        for: 2m
        labels:
          severity: warning
      - alert: ServiceDown
        expr: up == 0
        for: 1m
        labels:
          severity: critical

Métriques de succès

• La disponibilité du système dépasse 99,9% avec un temps moyen de récupération inférieur à 4 heures
• Les coûts d'infrastructure sont optimisés avec des améliorations d'efficacité annuelle de 20%+
• La conformité de sécurité maintient 100% d'adhésion aux normes requises
• Les métriques de performance répondent aux exigences du SLA avec réalisation des objectifs à 95%+
• L'automatisation réduit les tâches opérationnelles manuelles de 70%+ avec une cohérence améliorée

Vérification

• La cause première est énoncée en une phrase et est soutenue par un artefact concret (stack trace, ligne de log, diff, sortie de profiler)
• Le reproducer est minimal et s'exécute localement; la commande exacte et la sortie observée sont capturées
• La correction a été vérifiée en ré-exécutant le reproducer et en montrant que la sortie défaillante fonctionne maintenant
• Un test de régression (ou surveillance/alerte) a été ajouté pour que le même bogue soit détecté automatiquement la prochaine fois
• Les chemins de code adjacents partageant le même mode de défaillance ont été vérifiés, pas seulement le symptôme signalé
• Si la correction touche à la sécurité, aux performances ou à l'intégrité des données, le compromis est nommé et quantifié