چگونه یک روتین را برای بررسی و پاسخ دادن به هشدارهای موثر به کار گیریم

کتاب های اجرا در یک پایگاه دانش مبتنی بر ویکی یا Directus به طوری که آنها همچنان نسخه کنترل شده و آسان به روز رسانی هستند، برای الهام، اطلسsian را ببینید (FLT:0guide برای اجرای بهترین شیوه های کتاب [FLT 1].در نظر بگیرید از جمله تصاویر، اسنیپت ها، و نمونه های خروجی انتظار می رود برای کاهش ابهام در طول حوادث فشار بالا.

استراتژی های اتوماسیون برای کاهش بار شناختی

هشدار هوشمند

بسیاری از هشدارها نشانه هایی از همان موتورهای ریشه هستند (به عنوان مثال، OpsGenie، PagerDuty یا رویدادهای گروه باز منبع جریانAlert) مربوط به یک حادثه واحد است.این مانع از هشدار هشدار هشدار های هشدار دهنده و پاسخ دهندگان می شود که به جای ده ها اعلان، پنجره های همبستگی که الگوهای شکست معمولی شما مطابقت دارند، به عنوان مثال، 5 بالاخصوصی برای استفاده از یک ساعت، هشدار داده های پیام رسانی های پیام رسانی به طور تدریجی (به عنوان مثال، به طور خودکار، به طور خودکار، هشدار داده های پیام رسانی های پیام رسانی های پیام رسانی های پیام رسانی های پیام رسانی های پیام رسانی به طور خودکار، به طور خودکار، به طور خودکار، به طور خودکار، به طور خودکار، به طور خودکار، به طور خودکار، به طور خودکار، به طور خودکار، به یک فایل های پیام رسانی های هشدار داده شده، به طور خودکار، به طور خودکار، به طور خودکار، به یک پیام رسانی های پیام رسانی های پیام رسانی های پیام رسانی های پیام رسانی های پیام رسانی های پیام رسانی های پیام رسانی های پیام رسانی های پیام رسانی های هشدار داده ها، به یک پیام رسانی های پیام رسانی های هشدار داده شده در یک پیام رسانی های پیام رسانی های پیام رسانی های پیام رسانی های پیام رسانی های هشدار

خودکارسازی و خود-Healing

برای کمترین میزان، هشدار تکراری، نوشتن اسکریپت های پاسخ خودکار.اگر یک آتش هشدار استفاده از دیسک، یک کار cron می تواند log های قدیمی را تمیز کند، اگر یک سرویس بدون پاسخ باشد، یک ارکستر کانتینر می تواند آن را دوباره راه اندازی کند، این "کتاب خودکار" شامل کار دستی و جلوگیری از خطای انسانی است.

کاهش و کاهش نویز

خستگی هشدار یک تهدید واقعی است. پیاده روی در هر منبع برای جلوگیری از یک جزء شکست خورده از سیل صف است، به عنوان مثال، اگر یک سرور واحد 100 هشدار دیسک را در 10 دقیقه تولید کند، آنها را به یک هشدار واحد هشدار داده شده با یک شمارش واحد: به طور مشابه، از پنجره های تعمیر و نگهداری برای سرکوب هشدار های ماده در طول زمان برنامه ریزی شده به طور منظم یک "بدون حسابرسی" را اجرا می کند و بیش از نظارت بر کتاب (RE).

نقش های تیمی و قابلیت پاسخگویی

پنجره های On-Call

همیشه سلسله مراتب شتاب بخش داشته باشید: یک پاسخ دهنده اولیه که بلافاصله هشدار P1-P2 را کنترل می کند و یک ثانویه که اگر اولیه اشغال شده باشد یا اگر مسئله شامل چندین دامنه باشد، چرخش برنامه با اقدامات جغرافیایی پیگیری می شود، یا هر گونه برنامه جداگانه ای که ممکن است به اشتراک بگذارد، باید به طور خودکار برنامه ریزی کند و اطمینان حاصل کند که همیشه به یک تخصص کلامی کوچکتر (برای مثال، به طور خلاصه، در مورد استفاده از سیستم های جداگانه) دسترسی داشته باشد.

معرفی بازی The Alert Owner (Daily/Weekly)

یک شخص یا یک تیم کوچک را برای انجام بررسی روزانه برای اقلام P3 و P4 اختصاص دهید، این نقش همچنین backlog هشدار را حفظ می کند - افشای مثبت کاذب، به روز رسانی کتاب های اجرا و الگوهای ضعیف که نیاز به توجه مهندسی دارند، مالک بررسی باید 30 دقیقه در همان زمان، بررسی داشبورد، و تداخل متقابل با هر مجموع خودکار، علاوه بر این، به طور خلاصه، به طور خلاصه، بررسی کند.

بازبینی شده در ۶ اکتبر ۲۰۱۱. ↑ «PIR» Responsibilities

پس از هر حادثه مهم (P1 یا تکرار P2)، یک بررسی پس از شناسایی را ظرف 48 ساعت برنامه ریزی کنید. PIR باید شامل مهندس در تماس، صاحب بررسی و سهامدار از خدمات آسیب دیده باشد؛ هدف این است که مشخص کنید چرا هشدار، چگونه پاسخ آشکار شد، و چه تغییراتی در فرآیندهای یا بازگشت اتوماسیون می تواند از نوشتن یافته های ابزار به اشتراک گذاشته شده جلوگیری کند؛ به دلیل ردیابی موارد، و دستورالعمل های سیستم عامل، باید به عنوان یک سیستم عامل قبلی، به طور واضح و مشخص شده توسط PIR به عنوان یک سیستم عامل ردیابی شود.

شاخص های عملکرد کلیدی برای اندازه گیری اثربخشی

معیارهای پیگیری برای اطمینان از اینکه روال شما کار می کند و برای شناسایی تنگناها:

• زمان تصدیق (MTTA) - چگونه سریع یک انسان را به هشدار می رساند. هدف زیر 5 دقیقه برای P1، کمتر از 15 برای P2 است.
• زمان برای حل و فصل (MTTR) - از تأیید به حل و فصل معیارهای متفاوت توسط صنعت، اما کاهش مداوم نشان می دهد بهبود.
• نرخ مثبت - درصد هشدارها به عنوان سر و صدا رد می شوند.
• (فَلَّهُمْهُمْهُمْهُمِهُمِهُمِهُمِهُمِهُمِهُمِهُواِهُواِهُمِهُواِهُمِهُواِهُمِهُواِهُمِهُواِهُواِهُواِهُمِهُوا مِهُمِهُوا مِهُوا مِهُمِهُمِهُوا مِهُوا مِنِنِنِنِنِنِنِنِهُواِنِنِنِنِنِنِنِنِنِنِنِنِهُوا مِنَهُوا مِنِنِنِنِنِنِنِنِنِنِنِنِنِنِنِنِنَهُمِنِنِنِنِنِنِنِنِنِنِنِنَهُوا م
• [FLT: 1] - درصد هشدارها که در آن کتاب اجرا (با استفاده از logs حسابرسی) دنبال شد.