Der Alarm um 14 Uhr
Um 14 Uhr meldet das System: Im Shop schlägt jede fünfte Anfrage fehl. Kundschaft schreibt schon an den Support.
Drei Personen reden gleichzeitig, jede probiert etwas anderes aus. Nach einer Stunde weiß niemand, was geändert wurde.
Gute Teams haben für diesen Moment einen festen Ablauf.
Am Ende dieser Lektion
Notiz
Ich kann sagen, was zu tun ist, wenn die Produktion ausfällt.
Schlüsselwörter
| Begriff | Was er bedeutet |
|---|---|
| Vorfall | ein Ereignis, das den Betrieb stört |
| Bereitschaft | die Person, die bei einem Alarm erreichbar ist |
| Schweregrad | wie schlimm ein Vorfall ist |
| Verfügbarkeit | der Anteil der Zeit, in dem ein System läuft |
| Nachbesprechung | ein Treffen danach (oft Postmortem genannt), das Ursachen sucht, nicht Schuldige |
Die Zellen, die Lernende ausfüllen, bleiben in dieser Vorschau leer.
Ein Vorfall hat feste Schritte
Bei einem Vorfall zählt zuerst, dass das System wieder läuft. Die Ursache wird später geklärt.
Die Bereitschaft bestätigt den Alarm und eröffnet den Vorfall. Eine Person leitet, die anderen arbeiten ihr zu.
Das Team schreibt auf, was es wann tut. Unten sehen Sie einen solchen Zeitverlauf.
Einen Zeitverlauf lesen
mkdir -p vorfall && cd vorfall
cat > verlauf.txt <<'EOF'
14:02 Alarm: Fehlerquote im Shop über 20 Prozent
14:05 Bereitschaft bestätigt den Alarm und eröffnet den Vorfall
14:09 Ursache vermutet: Änderung von 13:55 (Version 2.7)
14:12 Entscheidung: Rollback auf Version 2.6
14:16 Rollback abgeschlossen
14:20 Fehlerquote wieder unter 1 Prozent, Vorfall beobachtet
EOF
# Alle Zeilen mit Uhrzeit und Ereignis
cat verlauf.txt
# Nur die Zeilen, in denen etwas entschieden oder getan wurde
grep -E "Entscheidung|Rollback" verlauf.txt
# Suchen Sie jetzt die Zeile, in der die Ursache vermutet wurde, und starten Sie erneut.
Die Schritte in der Reihenfolge
| Schritt | Was geschieht | Beispiel aus dem Verlauf |
|---|---|---|
| Erkennen | Ein Alarm kommt an | 14:02 Fehlerquote über 20 Prozent |
| Bestätigen | Die Bereitschaft eröffnet den Vorfall | 14:05 |
| Eindämmen | Der Schaden wird gestoppt | 14:12 Entscheidung für den Rollback |
| Beheben | Das System läuft wieder | 14:16 Rollback abgeschlossen |
| Lernen | Die Nachbesprechung klärt die Ursache | Danach, ohne Schuldzuweisung |
Die Zellen, die Lernende ausfüllen, bleiben in dieser Vorschau leer.
Ein häufiger Fehler
Warnung
Viele denken, nach einem Vorfall müsse man herausfinden, wer schuld ist. Das hilft nicht. Wer Angst vor Vorwürfen hat, verschweigt Fehler, und das Team lernt nichts. Fragen Sie in der Nachbesprechung: Was hat das möglich gemacht, und was ändern wir?
Zuverlässigkeit lässt sich in Zahlen sagen
Der Schweregrad entscheidet, wie schnell und mit wem reagiert wird. Ein Totalausfall ist schlimmer als ein Fehler bei wenigen.
Die Verfügbarkeit misst, wie lange das System lief. 99 Prozent klingen viel, erlauben aber in 30 Tagen noch rund sieben Stunden Ausfall.
Im Code unten rechnen Sie beides selbst.