Dari: Sven Holm, penanggung jawab on-call, Fernhill Garden Supply
"Pembayaran mulai gagal tepat setelah pukul sepuluh pagi ini. Saya sudah menaruh access log pagi ini di logs/ dan deploy hari ini di deploys.txt. Mohon jangan ubah file aslinya: salin yang Anda butuhkan ke incident/.
Saya perlu tahu berapa banyak error server yang terjadi, kapan mulainya, endpoint mana yang terkena, dan deploy mana yang harus di-rollback."
Jawaban Anda: folder incident berisi bukti, hasil hitungan, error pertama, deploy yang dicurigai, dan ringkasan empat baris.
Proses checkout mulai gagal beberapa menit setelah sebuah deploy, dan engineer yang sedang on-call memiliki access log mentah serta daftar deploy hari ini. Lab ini menangani insiden tersebut seperti yang Anda lakukan di server sungguhan: salin bukti terlebih dahulu, pilih error server, hitung per menit dan per endpoint, cari tahu kapan error mulai muncul, cocokkan dengan sebuah deploy, lalu tulis ringkasan yang bisa ditindaklanjuti.
Setiap baris log berisi waktu, method, path, status, dan durasi. Status 500 atau lebih adalah error server; request yang lambat dengan status 2xx bukan error server. Jebakan yang menghabiskan waktu pada pukul 3 pagi adalah sebagai berikut: menghitung dengan uniq sebelum sort, mencari "50" dengan grep sehingga durasi ikut terambil, dan menyamakan request pertama dengan error pertama.
Kedelapan langkah berbagi satu ruang kerja, dan setiap pemeriksaan juga melindungi hasil-hasil sebelumnya.
Amankan bukti sebelum Anda mengubah apa pun.