Эпизод №8. Управление инцидентами в большой компании

Большая компания – это компания, над которой не заходит солнце. Например, мировой агрегатор такси и доставки Uber. Кто? Карен Товмасян – Senior Engineer – Payments @ Uber и бессменный автор канала Человек и Машина. (https://t.me/manandthemachine) О чём? • Планируем выяснить, как всё-таки писать слово «инцидент»; • Чем отличается инцидент от аварии, алёрта или бага; • Что происходит в процессе починки, чем postmortem отличается от обычного отчёта от аварии; • Всё это приправим небольшим количеством офигительных историй. Полезные ссылки: Мясные мировые инциденты, от которых я ору до сих пор: Crowdstrike, который положил полмира и даже службу 911: https://www.crowdstrike.com/wp-content/uploads/2024/08/Channel-File-291-Incident-Root-Cause-Analysis-08.06.2024.pdf AWS Kinesis, или «Ребята, а что такое ulimit?»: https://aws.amazon.com/message/11201 Как Linear потерял данные, хотя можно было чему-то научиться у GitLab: https://linear.app/blog/linear-incident-on-jan-24th-2024 https://about.gitlab.com/blog/2017/02/10/postmortem-of-database-outage-of-january-31 Полезные материалы по управлению инцидентами и не только: SRE Book первый, второй и третий: https://sre.google/books Что стоит обсуждать на ревью, а что нет: https://surfingcomplexity.blog/2024/09/28/why-i-dont-like-discussing-action-items-during-incident-reviews Доклад, который я буду рекламировать до пенсии и далее: https://youtu.be/kSGiUGGu1aQ?si=gOV_BWVfAGrtOyaj https://itradio.su/podcast/episode-8