差出人: Sven Holm(Fernhill Garden Supply、オンコールリーダー)
「今朝10時過ぎから決済が失敗し始めました。今朝のアクセスログをlogs/に、今日のデプロイをdeploys.txtに入れてあります。元のファイルは編集しないでください。必要なものはincident/にコピーしてください。
サーバーエラーが何件あったか、いつ始まったか、どのエンドポイントで起きたか、どのデプロイをロールバックすべきかを知りたいです。」
回答: 証拠、件数、最初のエラー、疑わしいデプロイ、4行の要約を含む障害フォルダー。
デプロイの数分後にチェックアウトが失敗し始め、オンコールのエンジニアの手元には生のアクセスログと今日のデプロイの一覧があります。このラボでは、実際のサーバーで行うのと同じやり方でこの障害に対処します。まず証拠をコピーし、サーバーエラーを選び、1分ごととエンドポイントごとに数え、始まった時刻を見つけ、それをデプロイと照合して、ほかの人が対応できる要約を書きます。
ログの各行は、時刻、メソッド、パス、ステータス、所要時間です。ステータスが500以上ならサーバーエラーで、2xxのステータスの遅いリクエストはサーバーエラーではありません。落とし穴は、午前3時に時間を無駄にするものばかりです。並べ替える前にuniqで数えること、"50"をgrepして所要時間まで拾ってしまうこと、最初のリクエストと最初のエラーを混同することです。
8つのステップはすべて1つのワークスペースを共有し、各チェックではそれまでの結果も保護されます。