Про самое дорогое

Самое дорогое, что есть в обеспечении надёжности — это систематические тупые ошибки на банальном.

Переключали трафик — но не проверили, готов ли получатель его принять.
Сделали невинную правочку — забили на тесты, “ну там же одна строчка”.
Лезли в конфиг под нагрузкой — забыли про health checks.
Шли чинить что-то незнакомое — без плана, “по ходу разберёмся”, ага, особенно хорошо это работает в два часа ночи.

Обидно терять деньги. Но ещё обиднее — когда падаешь на грабли, о которые уже ломали ноги до тебя. Много раз. Со всеми постмортемами.

Чек-листы спасают.
Тупые, однообразные, регулярные чек-листы.
— Проверил ли ты, что переключение двустороннее?
— Прогнал ли тест даже на маленькую правку?
— Задокументировал ли порядок действий, если идёшь в неизвестность?

Они не нужны, пока не нужны.
А потом вдруг выясняется, что это единственное, что могло спасти.

Я накидал примеры, где чаще всего стреляет. Смотрите, где проблемы у вас. Где стыдно и команда выглядит недотёпами. Там, где привыкли считать, что "и так сойдёт".