Первые 5 минут инцидента: чек-лист дежурного
In the first minutes of an incident, order matters more than speed — that is the central argument. When alerts start pouring in, people tend to reach for a restart or delete something out of reflex. The person who finds the cause fastest is the one who runs the same steps in the same order every time. The author lays out a checklist for a Linux server: five steps, with a few commands for each. The checklist was put together while building 13 cases for an on-call training simulator.
В первые минуты инцидента важнее всего не скорость, а порядок. Когда сыплются алерты, руки сами тянутся перезапустить сервис или что-нибудь удалить. А причину быстрее находит тот, кто проходит одни и те же шаги в одном и том же порядке. Ниже мой чек-лист для Linux-сервера: пять шагов, по нескольку команд на каждый. Я собрал его, пока делал 13 кейсов для тренажёра дежурств (о нём была первая статья ). Поэтому у каждого шага есть пример из кейса, где именно он находит причину. За пять минут чинить не обязательно. Задача этих минут — понять, в каком слое проблема, и ничего не сделать хуже. Читать далее