28 записей с тегом "dora-metrics"

Production-релиз в 60-инженерной SaaS-команде, с которой я работал в 2025, выкатили в пятницу в 16:48. Пейджер on-call сработал в 17:22 — 34 минуты скрытого фейла в фиче, которую release manager одобрил «потому что CI зелёный». Rollback занял 71 минуту, потому что автоматизацию никогда не прогоняли на реальном трафике. Итог: один возврат клиенту, две потерянные на выходных команды и политика, которую надо было ввести с первого дня.

Release management — это неглянцевая половина delivery. Отчёт DORA State of DevOps 2024 напрямую связывает change failure rate и MTTR с дисциплиной релизов, а не с талантом инженеров или test coverage. Этот playbook — конкретный набор правил и ритуалов, который перевёл две команды, с которыми я работал, с ежемесячных болезненных релизов на ежедневные уверенные.

Elite-команды деплоят в production в 973 раза чаще low-перформеров — и при этом ломают прод реже. Это главный вывод DORA 2023 State of DevOps, который перевернул десятилетие веры в «move fast and break things»: скорость и стабильность коррелируют, а не противоречат друг другу.

Deployment Frequency — самая простая на вид из четырёх DORA-метрик и самая часто читаемая неправильно. Команда может выкатывать 10 раз в день на staging, никогда не доезжать до прода — и называть себя elite. Этот глоссарий разбирает метрику до конца: формула, бенчмарки, что считается деплоем, и где число врёт.

DORA метрики — это 4 показателя, которые предсказывают, насколько хорошо ваша команда поставляет ПО. Не опросы, не самоотчёты — четыре жёстких сигнала: как часто вы деплоите, сколько времени изменение идёт до прода, как часто деплой ломает прод и как быстро вы восстанавливаетесь. Отчёт DORA 2023 от Google Cloud, построенный на 10 годах исследований и 36 000+ респондентах, — самая большая когда-либо собранная база данных по доставке ПО. И из года в год она показывает один и тот же паттерн.

Этот глоссарий объясняет каждую метрику простыми словами — с формулами и бенчмарками, которые отделяют elite-команды от low performers. Прочитайте один раз, держите как справочник.

Примерно 80% инженерных команд, которые я смотрел за последний год, репортят «Lead Time», который DORA не признала бы. Они меряют «от создания тикета до релиза». DORA меряет другое и более узкое: от первого commit'а до production. Разница между этими двумя определениями — обычно 5–10 дней. И это разница между честной метрикой доставки и дашбордом, который льстит не тем людям.

В этом гайде — строгое DORA-определение, формула, чем Lead Time отличается от Cycle Time (это не синонимы), и бенчмарки elite/high/medium/low на 2026 год, по которым можно сравнить свою команду.

Два production-инцидента, одна и та же причина — плохой конфиг положил платёжный сервис. Команда A восстановила сервис за 2 часа 14 минут. Команда B — за 6 минут. У команды B MTTR ниже не потому что инженеры умнее. У них была одна команда rollback, отрепетированная раз в месяц, runbook закреплён в on-call канале, и доступ на запись в прод выдан дежурному заранее. Разрыв — 134 минуты против 6 — это именно то, что измеряет MTTR. И это же отделяет elite-кластер из DORA 2023 State of DevOps Report от всех остальных.

В 2024 году Forrester впервые выделил «Engineering Intelligence» (EI) в отдельную категорию ПО. Спустя полтора года мы насчитываем минимум 40 вендоров, борющихся за один и тот же закупочный комитет — VP Engineering, CTO, CFO, иногда Chief of Staff. Питч у всех одинаковый. Качество данных, модель развёртывания и прозрачность ценообразования — нет.

Мы протестировали 15 из них. Часть — отличные. Часть — дорогие обёртки вокруг git log. Это buyer's guide, который мы хотели бы иметь, когда строили свою платформу.

Faros AI — реально впечатляющая технология. AI-native data lake под инженерию, кастомная схема, глубокие интеграции, реальные Fortune-500 клиенты. Подвох: типичный контракт Faros стартует с $150k/год и распухает к $300k по мере добавления модулей, кастомных дашбордов и команды внедрения, которую ещё надо нанять. Для большинства команд — это инвестиция не той формы.

Если вы гуглили "Faros AI alternative", вы скорее всего уже считали. Вот 5 платформ, покрывающих 80-90% сценариев Faros за 20-40% цены — и честный кейс, когда Faros действительно правильный выбор.

Haystack делает одно дело хорошо: лёгкая инженерная аналитика для early-stage команд. Чистый интерфейс, быстрая настройка, разумная цена. Проблема, в которую упираются клиенты, — это не пробел в фичах, а потолок по масштабу. После 50-80 инженеров дашборды кажутся тонкими, список интеграций — коротким, а вопрос «куда уходит время разработчиков?» — без ответа.

Если вы гуглили "Haystack alternative", вы скорее всего уже стукнулись в одну из этих стен. Вот 5 платформ, которые её перешагивают — и, честно, момент, когда стоит остаться на Haystack.

LinearB сделал один из самых «мнение-имеющих» инструментов в инженерной аналитике. Дашборды хорошие. DORA-отчёты точные. Но настоящий продукт это workflow-движок: gitStream-правила, авто-роутинг PR, slack-боты-напоминалки, отслеживание командных инициатив. Этот слой и оправдывает цену $30-50 за seat. Вопрос, который встаёт на каждом ренью: workflow-движок реально меняет поведение или мы платим премиум за дашборд?

Если в 2026 году вы вбиваете «linearb альтернатива», скорее всего, вы уже задавали себе этот вопрос.

Sleuth выкатил одну из самых аккуратных реализаций DORA на рынке. Потом, в конце 2024, его купили и интегрировали в более крупный DevOps-набор, и к 2026 standalone-продукт развивается заметно медленнее, чем платформы вокруг. Этого достаточно, чтобы команды начали смотреть по сторонам — не потому что Sleuth плохой, а потому что строить delivery-телеметрию на продукте, который больше не флагман материнской компании, рискованно.

Это не наезд. Модель deploy-correlation в Sleuth до сих пор сильнее большинства конкурентов. Но если вы гуглили "Sleuth alternative", вы и сами знаете расклад: нужны варианты. Вот 5 — что каждый делает хорошо, что — плохо, и честный выбор под форму вашей команды.