Situasinya
Tidak ada yang dimonitor sebelum sempat gagal sekali. Backup ada, tetapi belum pernah dipulihkan. Runbook tersimpan di kepala seseorang, dan orang itu sedang cuti.
Pendekatan kami
Pertama kami menyepakati arti “berjalan normal” untuk tiap layanan dalam bahasa yang dipahami pemilik bisnis, bukan grafik CPU. Setelah itu kami pasang instrumentasinya: alert pada gejala yang akan disadari pelanggan, dengan ambang yang tidak melatih orang untuk mengabaikannya.
Berbarengan dengan itu, pekerjaan yang tidak menarik tetapi menentukan: uji restore terjadwal, runbook tertulis, jendela patching, dan evaluasi setelah tiap insiden yang menghasilkan satu perubahan konkret.
Yang berubah
Anda tahu lebih dulu sebelum pelanggan tahu. Pemulihan menjadi prosedur yang bisa dijalankan siapa pun yang sedang bertugas.
