Incident-Management

В мире разработки программного обеспечения есть негласная истина, которая часто остаётся незамеченной: каналы инцидентов стали для некоторых разработчиков формой развлечения. Нередко можно услышать фразы вроде «шоу должно продолжаться» или «давайте посмотрим на фейерверки», когда возникает проблема в процессе производства. Но здорова ли такая культура или мы развиваем нездоровое пристрастие к производственным «пожарам»? Обаяние каналов инцидентов На первый взгляд идея о том, что канал инцидентов может быть развлекательным, может показаться абсурдной. В конце концов, эти каналы предназначены для серьёзных дел — решения критических проблем, которые влияют на стабильность и надёжность наших систем....

Существует момент, которого боится каждый инженер — оповещение в 3 часа ночи, когда происходит сбой в чём-то критически важном, и внезапно ваша команда переходит в режим тушения пожара. Настоящий вопрос заключается не в том, произойдёт ли сбой системы (он произойдёт), а в том, насколько быстро вы сможете восстановить её работу. Именно здесь на помощь приходит среднее время восстановления (MTTR), и, честно говоря, это один из самых недооценённых показателей в инженерии. Не потому, что он сложный, а потому, что большинство команд измеряют его неправильно или, что ещё хуже, не измеряют вовсе....

Слон в чате, о котором никто не хочет говорить Давайте на секунду отложим в сторону корпоративный жаргон. Если вы читаете это, вы, вероятно, сталкивались с таким моментом: когда в 2 часа ночи ваша система PagerDuty срабатывает уже в третий раз за неделю, и вы понимаете, что не видели свою семью за обеденным столом уже несколько месяцев. Или, может быть, вы тот человек, который стал неформальным «гуру» в своей команде, потому что знаете, где похоронены все скелеты инфраструктуры....