SREチームでポストモーテムを1年半運用してみた - KAYAC engineers' blog

SREチームの藤原です。今回は、SREチームが主導してポストモーテムを書く取り組みを、社内で1年半ほど運用してみたという話です。 ポストモーテムとは? 「ポストモーテム」(postmortem=事後検証)とは、システムにインシデントが発生したことによる影響、緩和や解決のために取られた行動、インシデントの原因、再発防止策などをまとめた文書です。 カヤックのSREチームは、各メンバーがそれぞれのプロダクトに参加し、他のエンジニアとともに開発と運用を行う、いわゆる「Embedded SRE」という形態を取っています。そのため、SREチームのメンバーでも自分が関わっていないプロダクトで発生したインシデントについては詳しく把握できないことがありました。SRE以外で運用に携わっている、プロダクト専任のサーバーサイドエンジニアにはなおさら困難でした。 また、インシデント発生時に実際に手を動かす人がどうし

[sfujiwara]

SREチーム連載、3月号を書きました

[gogatsu26]

“事後検証”

[hisasann]

“「ポストモーテム」(postmortem=事後検証)とは、システムにインシデントが発生したことによる影響、緩和や解決のために取られた行動、インシデントの原因、再発防止策などをまとめた文書です。”

[juve534]

“チェックシートの代わりに設定項目の不備を機械的に検出するツールを内製することにしました。” 深堀りできると良いんだろうけど、パッとでできちゃうチェックシートでやっちゃいがちだったな。

[kzm1760]

まさにSREという感じだ。“そこで、チェックシートの代わりに設定項目の不備を機械的に検出するツールを内製することにしました。”

[hisaichi5518]

めっちゃいい

[manFromTomorrow]

ポストモーテムは得るものしか無いよね

[handlename]

面倒だけどちゃんと振り返る機会になるのでだいじ