Po výpadku: ako napísať postmortem, ktorý niečo zmení
Časová os, skutočný dopad a konkrétne opatrenia. Užitočný zápis z incidentu pomôže tímu viac než hľadanie vinníka.
Blog o spoľahlivej prevádzke.
Praktické čítanie o výpadkoch, serveroch a monitoringu. Aby ste vedeli, čo sledovať, kde hľadať chybu a ako sa vrátiť do prevádzky.
Výpadky
Web nefunguje. Čo urobiť počas prvých 15 minút?
Pokojný postup od prvého upozornenia po obnovu služby. Ako overiť rozsah výpadku, zastaviť ďalšie zmeny a nestratiť čas náhodnými reštartmi.
Ďalšie články
9
Keď opakované požiadavky zhoršia výpadok
Timeout, obmedzené opakovanie a idempotencia. Ako zabrániť tomu, aby sa malý problém jednej služby rozšíril na celý systém.
API vracia 200. Prečo to ešte neznamená, že funguje?
Od dostupného endpointu k použiteľnej službe. Čo kontrolovať v odpovedi, odozve a závislostiach API.
Cron mlčí. Ako zistiť, že nočná úloha vôbec neprebehla?
Web môže fungovať, zatiaľ čo zálohy a importy stoja. Heartbeat pomôže sledovať dokončenie úloh, ktoré nemajú vlastný verejný endpoint.
Zálohu máte. Dokážete z nej aj obnoviť službu?
Úspešná zálohovacia úloha je iba začiatok. RPO, RTO a pravidelný test obnovy ukážu, akú ochranu dát v skutočnosti máte.
Monitoring, ktorý vás nebudí pre každú drobnosť
Ako rozlíšiť incident od krátkeho zakolísania a nastaviť upozornenia, na ktoré sa dá spoľahnúť.
SSL certifikát sa obnovuje automaticky. A čo ak nie?
Automatická obnova môže zlyhať na DNS, oprávneniach aj konfigurácii. Prečo kontrolovať certifikát, ktorý vidí návštevník.
Server funguje, web nie. Môže za to DNS?
Ako rozlíšiť chybu DNS od chyby aplikácie a pripraviť zmenu záznamov bez zbytočného výpadku.
Server spomaľuje. Ktoré čísla vám povedia prečo?
CPU je iba časť obrazu. Ako spojiť odozvu, chyby, pamäť, disk a fronty pri hľadaní úzkeho miesta.