AI CodeOps

Agent Site Reliability

L'agent Site Reliability rédige des post-mortems sans recherche de coupable, des SLO, des alertes et des entrées de runbook. Il clôt Incident Response : son post-mortem en est le résumé.

L'agent Site Reliability rédige le compte rendu opérationnel. Selon ce qu'on lui demande, il rédige des objectifs de niveau de service (SLO), des alertes, des entrées de runbook ou des post-mortems sans recherche de coupable. Dans les workflows intégrés, sa tâche est le post-mortem.

Où il intervient

WorkflowÉtape
Incident ResponsePostmortem

C'est la cinquième et dernière étape d'Incident Response. Avant lui, l'Incident Responder a trié l'incident, l'Architect a trouvé la cause racine, le Builder a décrit une mesure d'atténuation, la session l'a écrite et a exécuté les tests du projet, et le Tester a vérifié le changement écrit. L'étape Postmortem s'exécute elle aussi après l'écriture du code.

Entrées

  • La tâche de la session, avec les faits de l'incident que vous avez fournis.
  • Un instantané en lecture seule des fichiers pertinents du dépôt du projet.
  • Les quatre étapes précédentes de la session, sous forme abrégée.
  • La mesure d'atténuation telle qu'elle a été écrite (un diff, coupé pour tenir, avec la coupure signalée lorsqu'il est long) et le résultat de test enregistré.

Sorties

Un post-mortem sans recherche de coupable, sous forme de texte, qui comprend en général :

  • Un résumé et l'impact.
  • La chronologie issue du tri.
  • La cause racine et les facteurs contributifs.
  • Ce qui a bien fonctionné et ce qui n'a pas fonctionné, dans la détection, la réponse et le rétablissement.
  • Les actions de suivi, comme une alerte qui aurait détecté le problème plus tôt ou un test qui l'aurait empêché.

Comme il s'exécute en dernier, le post-mortem est affiché comme résumé de la session. Il est rédigé après l'exécution des tests, et la page de la session affiche un avertissement si ce qu'il dit des tests contredit le résultat enregistré. La mesure d'atténuation elle-même quitte la session sous forme de diff, qui passe par la barrière de livraison.

Exemple d'exécution

Exemple illustratif, pas une session enregistrée. Après l'incident de paiement de l'exemple de la page Incident Responder, l'agent Site Reliability rédige le post-mortem. Impact : le paiement a échoué pour les clients d'un prestataire de paiement pendant environ 25 minutes. Cause racine : une réponse du prestataire sans code de devise, que le nouvel adaptateur ne gérait pas. Facteur contributif : aucun test n'utilisait la forme réelle des réponses de ce prestataire. Suivi : une alerte sur un taux d'erreur du paiement supérieur à 2% pendant cinq minutes, un test de contrat avec des réponses enregistrées du prestataire, et une entrée de runbook sur le rollback d'un déploiement.

Limites

  • Sa chronologie n'est exacte que dans la mesure où les faits de la tâche le sont. Vérifiez les heures par rapport à vos propres relevés.
  • Il ne crée pas d'alertes ni de SLO dans votre système de supervision. Il en rédige le projet.
  • Dans une session de réponse à incident, les éléments placés sous l'intertitre Follow-ups du post-mortem deviennent des tâches du tableau Plan (sauf si l'espace de travail a désactivé ce comportement). Les éléments qu'il écrit ailleurs dans le post-mortem ne le deviennent pas.

Questions fréquentes

Le post-mortem est-il enregistré quelque part ?

C'est la dernière étape d'Incident Response, il est donc affiché comme résumé de la session et conservé avec les étapes de la session. Copiez-le dans votre propre dossier d'incident si vous en tenez un ailleurs.

Pourquoi sans recherche de coupable ?

Les post-mortems qui désignent des coupables poussent les gens à cacher leurs erreurs. L'agent écrit sur les systèmes, les signaux et les décisions, pas sur qui a fait quoi.