Dit produktionswebsite gik lige ned. Hvordan håndterer du det?

Question

IT Interview Practice · Accepted Answer

Første prioritet er at **genoprette servicen og derefter finde årsagen** — afhjælpning kommer før diagnose. Jeg ville erklære en incident, tildele klare roller og styre mod den hurtigste sikre genopretning, mens jeg kommunikerer hele vejen.

## Stabilisér først

- **Erklær en incident** og åbn en enkelt kanal (war room / Slack-tråd), så koordineringen ikke bliver spredt.
- **Tildel roller**: en **Incident Commander** til at træffe beslutninger, en **comms-ejer** til at opdatere stakeholders, og **respondere** til at undersøge. Som Tech Lead tager jeg ofte IC-rollen, så ingeniørerne kan fokusere på problemet.
- **Grib til den hurtigste reversible løsning.** Hvis et deploy korrelerer med nedbruddet, så **roll back** først og stil spørgsmål senere — at genoprette for brugerne slår at have ret.

## Diagnosticér parallelt

- Tjek de **åbenlyse signaler**: dashboards, fejlrater, seneste deploys, infrastrukturændringer, trafikspidser, udløbne certifikater.
- Dan en hypotese, test den billigste først, og **undgå at ændre fem ting på én gang** — du ved ikke, hvad der virkede.

## Kommunikér løbende

Stilhed avler panik. Jeg sender opdateringer i en jævn kadence, selv når der ikke er nyt:

```
[14:05] Undersøger — checkout er nede, ~40% af brugerne berørt. Næste opdatering 14:20.
[14:20] Identificeret: dårligt deploy. Ruller tilbage nu. ETA 10 min.
[14:35] Service genoprettet. Overvåger. Postmortem følger.
```

## Efter genopretning

- Bekræft fuld genopretning, ikke kun "det ser bedre ud."
- Kør en **blameless postmortem** inden for få dage: tidslinje, root cause, hvad der gjorde det langsomt at opdage/fikse, og **konkrete action items med ejere**.
- Resultatet er systemisk forbedring (bedre alerts, guardrails, rollback-automatisering) — ikke et navn at give skylden.

## Faldgruber

- **At debugge før man afhjælper**, mens brugerne lider.
- **Ingen enkelt beslutningstager**, så fem personer gætter parallelt.
- **At gå i radiotavshed** over for stakeholders.
- **At give enkeltpersoner skylden**, hvilket dræber den ærlighed, fremtidige incidents afhænger af.

## Hvorfor det betyder noget

Nedbrud er uundgåelige; hvordan du håndterer dem definerer teamets tillid og kundernes tiltro. Rolig, rollebaseret koordinering plus blameless opfølgning forvandler en dårlig dag til et stærkere system — og signalerer til dine ingeniører, at det er sikkert at bevæge sig hurtigt, fordi fejl håndteres som en proces, ikke en heksejagt.

Stabilisér først

Diagnosticér parallelt

Kommunikér løbende

Efter genopretning

Faldgruber

Hvorfor det betyder noget

Relaterede spørgsmål