De: Sven Holm, responsable de guardia, Fernhill Garden Supply
"Los pagos empezaron a fallar justo después de las diez de esta mañana. He dejado el registro de accesos de esta mañana en logs/ y los despliegues de hoy en deploys.txt. Por favor, no edites los originales: copia lo que necesites en incident/.
Necesito saber cuántos errores del servidor hubo, cuándo empezaron, a qué endpoint afectaron y qué despliegue hay que revertir."
Tu respuesta: una carpeta del incidente con las pruebas, los recuentos, el primer error, el despliegue sospechoso y un resumen de cuatro líneas.
Un checkout empieza a fallar pocos minutos después de un despliegue, y quien está de guardia tiene un registro de accesos en bruto y la lista de despliegues del día. Este laboratorio trabaja el incidente como lo harías en un servidor real: copia primero las pruebas, selecciona los errores del servidor, cuéntalos por minuto y por endpoint, averigua cuándo empezaron, relaciónalos con un despliegue y escribe un resumen con el que alguien pueda actuar.
Cada línea del registro tiene hora, método, ruta, estado y duración. Un estado de 500 o más es un error del servidor; una petición lenta con estado 2xx no lo es. Las trampas son las que cuestan tiempo a las 3 de la madrugada: contar con uniq antes de ordenar, buscar "50" con grep y atrapar duraciones, y confundir la primera petición con el primer error.
Los ocho pasos comparten un mismo espacio de trabajo, y cada comprobación protege también los resultados anteriores.
Conserva las pruebas antes de cambiar nada.