¿Cómo haces sostenible una rotación on-call?

Respuesta directa

Qué debe cubrir una buena respuesta

Cómo funciona

Una rotación sostenible se diseña alrededor de las personas que la forman. Los avisos deben ser accionables y basados en síntomas, de modo que un aviso significa que hay usuarios afectados y algo que hacer. La frecuencia está acotada, con un objetivo como no más de dos avisos por turno, y superarla se trata como un problema de ingeniería. Cada alerta enlaza a un playbook, los responders tienen acceso seguro y automatización para las mitigaciones habituales, y las vías de escalada son claras. El tiempo tras un aviso nocturno se protege, los nuevos miembros acompañan antes de ser primarios y se reserva una parte de la capacidad de ingeniería para eliminar las causas recurrentes.

Ejemplo

Un equipo midió los avisos por semana y encontró que el 60 por ciento venían de una alerta inestable de espacio en disco y un job por lotes que fallaba los fines de semana. Sustituyeron la alerta de disco por una de tasa de consumo del SLO, hicieron que el job reintentara automáticamente y reservaron el 20 por ciento de los dos sprints siguientes para trabajo de fiabilidad. Los avisos bajaron de 14 a la semana a 3, y la rotación pasó de una semana de cada cuatro a una de cada seis cuando dos ingenieros volvieron a ella.

Errores frecuentes

• Avisar por umbrales de CPU o disco que no requieren acción humana.
• Mantener una rotación con tres personas y llamar al agotamiento un problema individual.
• No tener presupuesto para arreglar las causas, de modo que el mismo aviso salta cada semana.

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.