Incident-Response

Сутки по 25 часов: как перевод часов повесил вкладку на 27 секунд

Сутки по 25 часов: как перевод часов повесил вкладку на 27 секунд

Раздел аналитики VOG открывался мгновенно в Москве и зависал на 27 секунд там, где переводят часы. Причина — одна строка: к полуночи прибавляли 24 часа. Как это нашлось, почему сервер был ни при чём, в скольких часовых поясах сидит такая ловушка и как проверить это тестом

Инциденты и постмортемы: как надёжность делают процессом

Инциденты и постмортемы: как надёжность делают процессом

Технические паттерны устойчивости не работают без процесса вокруг них: как устроен инцидент-менеджмент (роли, severity, коммуникация), почему постмортемы должны быть блеймлесс (иначе люди прячут причины), как из инцидента рождаются action items и runbooks, и как политика error budget превращает надёжность из лозунга в решения о релизах. SRE-сторона отказоустойчивости