Cinq éléments à noter avant de redémarrer un serveur

Source du concept: Incident Response – Google SRE Workbook. Une liste de contrôle avant le redémarrage suivant est une offre indépendante de cette note, et l'ordre public n'est pas le redédémarrage de tous les serveurs.

Recommencer rend parfois le service, mais il peut aussi détruire la preuve la plus importante de l'échec. Je pense avant cela que nous devons savoir ce que nous voulons corriger et comment mesurer le succès. Le réaménagement du système d'exploitation ne suffit pas.

Cinq avant l'action.

• Effet sur les utilisateurs : Qui est touché? Qui a confirmé l'heure d'arrêt et où l'information a-t-elle été enregistrée?
• Pièces jointes : Quel système de base de données, de stockage ou d'authentification? Lisez l'arrêt et le début du même document de service.
• Travail actif et preuves: Le traitement du temps, la transaction, le transfert de fichiers et les opérations de sauvegarde sont en cours? Enregistrez les erreurs et le temps avant que la situation temporaire ne soit perdue.
• Voie de récupération et d'accès : La version utilisable est responsable de la récupération et de l'accès consulaire si le réseau échoue? Ne prenez pas Snapshot sans commentaires, une sauvegarde indépendante.
• Critère final: Quel test utilisateur confirme la santé du service et qui annonce le résultat?

Enregistrement court, mais utilisable.

Un modèle simple pour les notes de fonctionnement:

La cause de l'action: ... les services concernés:... les preuves documentées: ... responsable de l'examen; du test post-lancement; de la décision si l'échec est:

Ce modèle est ma suggestion d'éviter une décision vague; il ne s'agit pas d'une alternative au processus approuvé de l'organisation ou d'un guide constructif. Pour les groupes et les services de redondance, l'évacuation des charges et le rôle des nœuds doivent être explorés conformément à la conception.

Après clarification, le travail n'est pas terminé.

Dans un exemple hypothétique, le serveur Web a augmenté, mais les services de reporting time n'ont pas commencé. Une page d'entrée saine ne révèle pas ce défaut. L'examen doit revenir aux mêmes choses que nous avons énumérées avant l'arrêt.

Si Redémarrer résout temporairement le problème, enregistrez le résultat de près : Après le lancement, le scénario spécifié a réussi ; la raison n'a pas encore été explorée.

Étude connexe: Service de santé réel.