Постмортем: как разбирать аварии без поиска виноватых

Цель постмортема — не найти виноватого, а убрать причину, чтобы это не повторилось.

Хороший постмортем пишется в течение 48 часов, пока свежи детали, и содержит таймлайн с точностью до минуты: когда заметили, когда поняли причину, когда починили.

Формулировки должны быть безликими: не «Иван задеплоил», а «в 04:58 прошёл деплой, после которого выросла доля 502». Люди ошибаются, системы позволяют ошибкам доходить до продакшена.

• Что произошло: факты и влияние на пользователей.
• Таймлайн: обнаружение, диагностика, устранение.
• Причина: техническая и организационная.
• Что сработало и что помешало.
• Действия с владельцами и сроками.

Отдельно фиксируйте, как инцидент обнаружили. Если узнали от клиента — это провал мониторинга, и это первое действие в списке.

Метрики после: MTTR, число повторных инцидентов с той же причиной. Если причина повторяется — действия были формальными.

Частые вопросы