Первые 5 минут инцидента: чек-лист дежурного
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.
https://habr.com/ru/articles/1099438/
#linux #troubleshooting #диагностика #systemd #sre #devops #инциденты #дежурство #чеклист #oncall