Справочник Atlassian по инцидентам

Для кого предназначено это руководство?

Если вы работаете в команде разработчиков или в операционной команде по обслуживанию интернет-сервисов, которые должны быть доступны клиентам круглосуточно, этот справочник — для вас.

Что такое инцидент?

Мы определяем инцидент как событие, которое приводит к нарушению или снижению качества работы сервиса и требует незамедлительных действий. В командах, которые придерживаются практик ITIL или ITSM, такое событие могут называть «серьезным инцидентом».

Инцидент считается устраненным, когда затронутый сервис возобновляет работу в обычном режиме. Это подразумевает выполнение лишь тех задач, которые необходимы для восстановления всех функциональных возможностей.

Разбор инцидента выполняется после его устранения и включает выяснение основной причины инцидента и планирование действий для ее устранения, чтобы не допустить повторных инцидентов.

Наши принципы подхода к инцидентам

Процесс управления инцидентами не может охватить все возможные ситуации, поэтому мы даем нашим командам общие рекомендации в виде принципов. Как и ценности компании Atlassian, наши принципы подхода к инцидентам нацелены на решение следующих задач.

• Руководство по автономному принятию решений людьми и командами в ходе устранения инцидентов и при их разборе.
• Формирование в разных командах единой культуры определения инцидентов, управления инцидентами и формирования ценных выводов по каждому инциденту.
• Обеспечение согласованного подхода команд к каждому этапу определения, устранения и анализа инцидента.

Требования к инструментам

Процесс управления инцидентами, описанный здесь, использует несколько инструментов, характерных для Atlassian, но при необходимости можно найти им замену.

• Отслеживание инцидентов. Каждый инцидент отслеживается как задача Jira; дочерние задачи создаются для отслеживания того, как выполняются решения, принятые после разбора инцидента (в компании Atlassian для этих целей используют специально настроенную версию Jira Software).
• Комната чата. Канал для обмена текстовыми сообщениями в режиме реального времени, основной инструмент совместной диагностики и устранения инцидента в команде.
• Видеочат. При работе со многими инцидентами командный видеочат, например Blue Jeans, может помочь обсудить проблему и согласовать подход к ее решению.
• Система предупреждений. Программный инструмент, например OpsGenie, который отслеживает дежурных и подключает к работе дополнительных специалистов.
• Инструмент ведения документации. Мы используем Confluence для документирования текущего состояния инцидента и разбора инцидентов в блогах.
• Statuspage. Информирование клиентов и заинтересованных лиц внутри компании о ходе ситуации с помощью Statuspage позволяет держать всех в курсе дела.

Отслеживание инцидентов

Каждый инцидент отслеживается как задача Jira; дочерние задачи создаются для отслеживания того, как выполняются решения, принятые после разбора инцидента. В этом справочнике процесс описан со ссылками на специально настроенную версию Jira Software.

Задачи по инциденту обычно создаются инженером службы поддержки в ответ на обращение клиента или разработчиком, который обнаруживает инцидент, получив предупреждение от системы мониторинга. Мы призываем людей создавать задачи, когда их что-то беспокоит, а не ждать возможности подключить кого-то к этому вопросу.

В Jira используется простой рабочий процесс для отслеживания инцидентов на этапе устранения и для записи всех важных действий, выполненных во время реагирования.

Менеджер инцидента

Руководство процессом осуществляет менеджер инцидентов (ИМ), который несет общую ответственность за этот инцидент и обладает всеми полномочиями. Это лицо указывается как исполнитель задачи по инциденту. Менеджер инцидентов уполномочен предпринимать любые действия, необходимые для устранения инцидента. Это подразумевает привлечение к работе над инцидентом любых сотрудников организации и мотивацию всех участников процесса на скорейшее восстановление сервиса.

Менеджер инцидента — это роль в процессе устранения инцидента, а не конкретный человек. Определение ролей при работе с инцидентом обеспечивает выгодную возможность замены одних исполнителей другими. Если специалист знает, как выполнять ту или иную роль, он может справиться с ней при работе с любым инцидентом.

Есть идеи или предложения для этого руководства?