読書感想 – 入門 監視（3章）

どうしたらよいアラートができるか

• アラートにメールを使うのは良くない
  • 受け取る人間が最も精神力を使ってしまう
  • わかるんだけど、オンプレミスの場合どういう代替手段が取れるか悩みどころ
• アラートを受け取った時の手順書を用意しておく
  • これはやるべき
• アラートのチューニングをする
  • しばらく運用してフィードバックを受けたり現地に赴いたりするのもよいかも
• メンテナンスモードを使う
  • サービス対応などではアラートが邪魔になってしまう。切れるようにしておくと良い。
• 自動復旧を実装する
  • 手順書で行うことが機械的に実施可能なら、まずは自動復旧させるのが最前。

上手なオンコール運用のしかた

• Follow-the-Sun
  • 世界を股にかけ、日中のタイムゾーンが世界中のトラブルを担当する
  • これは画期的だが、きちんとした情報共有基盤となるシステムがないと難しい。言語の問題もある。

インシデント管理

• チームがどのようなフローで動けば良いか
  1. 認識
  2. ロギング
  3. 分類
  4. 優先順位づけ
  5. 初期診断
  6. 必要に応じてレベル２へのエスカレーション
  7. 解決
  8. クローズ
  9. 発生中におけるユーザーとのコミュニケーション
• 役割は下記のように分かれ得る
  • 現場指揮官
  • スクライブ（書記）
  • コミュニケーション調整役
  • 実務担当者

コミュニケーションがコミュニケーションに徹するというのは難しい。というか書記が全体を把握するのが難しそう。