Ingeniero DevOps: pregunta de entrevista
¿Cómo trias un incidente de servicio?
Determina impacto y severidad, asigna mando y comunicación, revisa cambios recientes y señales principales, mitiga primero el mayor daño, preserva evidencia y registra una línea temporal antes del análisis profundo.
Respuesta directa
Qué debe cubrir una buena respuesta
Cómo funciona
El triaje trata de decidir rápido con información incompleta. Primero establece qué viven los usuarios y cuántos, lo que fija la severidad y a quién hay que despertar. Asigna un comandante de incidente que coordina y un responsable de comunicaciones que actualiza a los interesados con cadencia fija, para que los responders puedan trabajar. Revisa los aceleradores obvios: despliegues recientes, cambios de configuración, anomalías de tráfico y páginas de estado de dependencias. Mira las señales clave del servicio afectado y sus dependencias. Mitiga el mayor daño con la acción más segura, a menudo un rollback o un feature flag, antes de entender la causa. Conserva logs y paneles y mantén una línea temporal con marcas para el postmortem.
Ejemplo
Los errores de checkout subieron al 30 por ciento a las 09:12; el comandante declaró sev-1, el responsable de comunicaciones publicó una actualización y los responders encontraron un despliegue de configuración a las 09:08 que cambió un timeout. Revertirlo a las 09:19 restauró la tasa de errores; la causa raíz, un servicio dependiente que ahora necesitaba el timeout más largo, se investigó después con la línea temporal intacta.
Errores frecuentes
- Depurar la causa raíz mientras los usuarios siguen fallando.
- Tener a todos en un canal sin comandante y cinco personas haciendo cambios.
- Reiniciar servicios antes de capturar logs y perder la evidencia.
Una estructura útil para responder
Responde desde tu propia experiencia.
No memorices un guion: usa solo ejemplos que puedas explicar con honestidad en preguntas posteriores.
Abre el espacio de trabajo de escritorio y ensaya una respuesta clara con tus propias palabras.