Pemberitahuan dan Tindak Balas Insiden

Apabila makluman dicetuskan, ia sering menandakan berlakunya insiden. Insiden ialah gangguan tidak dirancang terhadap perkhidmatan atau pengurangan kualiti sesuatu perkhidmatan.

Contohnya termasuk pelayan terhenti, pangkalan data tidak memberikan respons atau kadar ralat aplikasi meningkat secara mendadak.

Makluman dikonfigurasikan berdasarkan pelbagai metrik atau log. Berikut ialah pencetus yang lazim:

• Ambang: Penggunaan CPU > 90% selama 5 minit.
• Kadar Ralat: Ralat HTTP 500 > 1% daripada permintaan.
• Ketersediaan: Perkhidmatan tidak memberikan respons.
• Corak Log: Mesej ralat tertentu muncul dalam log.

Tidak semua makluman sama penting dari segi kecemasan. Kami mengkategorikannya mengikut tahap keterukan untuk mengutamakan tindak balas:

• Kritikal: Perkhidmatan terhenti atau mengalami kemerosotan teruk. Tindakan segera diperlukan.
• Amaran: Isu yang berpotensi sedang berlaku dan memerlukan perhatian tidak lama lagi.
• Maklumat: Peristiwa yang tidak mendesak, hanya untuk pengetahuan.

Setelah makluman dicetuskan, makluman tersebut perlu sampai kepada orang yang betul. Saluran pemberitahuan yang lazim termasuk:

• E-mel: Untuk amaran atau makluman maklumat yang kurang mendesak.
• Sembang (contohnya, Slack): Sesuai untuk kesedaran pasukan dan diagnosis secara kolaboratif.
• SMS/Panggilan Telefon: Untuk makluman kritikal yang memerlukan perhatian segera, biasanya melalui alat bertugas seperti PagerDuty.

Tindak Balas Insiden ialah proses berstruktur untuk mengendalikan dan menyelesaikan insiden. Aliran lazim merangkumi:

1. Pengesanan: Makluman dicetuskan.
2. Pengutamaan: Menilai tahap keterukan dan kesan.
3. Diagnosis: Mengenal pasti punca akar.
4. Penyelesaian: Membetulkan masalah.
5. Pemulihan: Memulihkan kefungsian perkhidmatan sepenuhnya.
6. Bedah Siasat: Mengambil pengajaran daripada insiden.

Buku panduan operasi ialah panduan terperinci yang menggariskan langkah untuk menyelesaikan insiden lazim. Buku ini penting untuk:

• Ketekalan: Memastikan insiden dikendalikan secara seragam.
• Kelajuan: Mempercepatkan masa diagnosis dan penyelesaian.
• Pemindahan Pengetahuan: Membolehkan ahli pasukan baharu memberikan tindak balas dengan berkesan.

Selepas sesuatu insiden diselesaikan, semakan selepas insiden (atau bedah siasat) amat penting. Ini ialah analisis tanpa menyalahkan mana-mana pihak yang memfokuskan pada:

• Apakah yang berlaku?
• Mengapakah perkara itu berlaku?
• Apakah yang boleh menghalangnya?
• Apakah tindakan yang boleh kita ambil untuk mencegahnya berulang?

Matlamatnya ialah penambahbaikan berterusan, bukannya mencari pihak untuk dipersalahkan.

Kita telah meneroka cara makluman bertindak sebagai penggera sistem anda dan dicetuskan oleh syarat tertentu. Kita juga telah mempelajari pelbagai tahap keterukan dan saluran pemberitahuan.

Memahami aliran tindak balas insiden dan menggunakan buku panduan operasi merupakan kunci untuk mengendalikan isu dengan cekap. Akhir sekali, semakan selepas insiden mendorong pembelajaran berterusan dan penambahbaikan sistem.