1️⃣ Как починить прямо сейчас? Первое и самое очевидное — как вернуть систему в рабочее состояние. Здесь важна скорость: костыль, патч, откат — сработает всё, что быстро остановит инцидент, а аккуратно оформить всё можно и позже.
2️⃣ Как так вышло? Это более взрослая часть разбора, и вопрос здесь не в том, кто виноват (да-да, blameless-разбор!), а в том, что именно в системе, процессе или коде позволило инциденту случиться. Без честного ответа следующая авария становится, к сожалению, лишь вопросом времени.
3️⃣ Как сделать, чтобы это не повторилось? Самый ценный вопрос и одновременно тот, который почему-то чаще всего остаётся без ответа. Хотя хорошая мера защиты закроет не только конкретный баг, но и вообще весь класс подобных проблем.
Кстати, именно на третьем вопросе большинство разборов и останавливаются: пожар потушили, причину нашли, а до защиты руки уже не дошли. Как итог — через месяц команда наступает на те же грабли. Не надо так 💧
🔍 Пишите в коменты, по каким ещё вопросам можно пройтись после аварии!
#sre