Kuvaile pahin tuotantohäiriösi ja ensimmäiset 30 minuuttia.

Question

IT Interview Practice · Accepted Answer

**Hyvä vastaus näyttää vahinkojen rajaamisen, päätökset vajain tiedoin ja toiston ehkäisyn.** Kuvaa oma roolisi ottamatta koko tiimin työtä nimiisi.

Käytä oikeaa kokemusta. Seuraava on kuvitteellinen rakenne-esimerkki; vaihda haastattelussa omat toimet ja varmistetut tulokset. Ajat ovat esimerkkejä, eivät yleisiä määräaikoja.

## 1. Kerro tilanne ja vastuu

Oletetaan, että olin päivystävä backend lead checkout-virheiden kasvaessa julkaisun jälkeen. Selailu toimi, osa tilauksista ei valmistunut. Ajallinen yhteys oli hypoteesi, ei todistettu syy.

Kertoisin vastuuni: teknisen palautumisen koordinointi, tutkimuksen jako ja häiriöjohtajan informointi. Jos johdin myös häiriötä, sanoisin sen ja delegoisin viestintää tai tutkimusta estääkseni oman pullonkaulan.

## 2. Ensimmäiset viisi minuuttia: varmista ja järjestä

Tarkista virheet, viive ja onnistuneet tilaukset vaikutuksen ja jatkumisen selvittämiseksi. Avaa yksi kanava, jaa roolit, pysäytä muu muutos ja kirjaa havaintojen sekä toimien aikajana.

Syy on käytännöllinen: erilliset muutokset voivat peittää syyn tai pahentaa tilannetta. Päivitys erottaa faktat oletuksista ja kertoo seuraavan viestin ajan. Katso Googlen [häiriövastetoiminta](https://sre.google/workbook/incident-response/).

## 3. Seuraavat kymmenen minuuttia: turvallinen helpotus

Oletetaan yhteyksien loppuneen ja uuden raskaan raportin löytyneen. Vertaisin rollbackia raportin tilapäiseen poistoon checkoutin säilyessä.

- Tarkista rollbackin sopivuus jo tehtyihin skeema- ja tietomuutoksiin. Vanha sovellus ei ole automaattisesti turvallinen nykykannalle.
- Jos testattu kytkin sulkee vapaaehtoisen raportoinnin, käytä sitä ja seuraa checkoutia.
- Yksi tutkii yhteyksiä, toinen varmistaa palautumisen, jotta tutkimus ei viivytä järkevää helpotusta.

Päätös perustuu näyttöön ja peruttavuuteen. En odottaisi täydellistä syyvarmuutta asiakkaiden ollessa estettyjä, mutta kirjaisin odotetun hyödyn.

## 4. Kolmeenkymmeneen minuuttiin: varmista hyödyllinen palvelu

CPU:n lasku ei riitä. Varmista oikeat ostokset, hyväksyttävä vaste ja jonon purku ilman uutta painetta. Seuraa muutosta äläkä julista palautumista yhdellä onnistumisella.

Täsmää epävarmat maksut ennen uutta veloitusta; timeout voi peittää onnistumisen. Kerro palautuneet osat, epävarmuudet ja asiakkaan toimet ilman keksittyä palautusaikaa.

## 5. Jälkeenpäin: muuta vian mahdollistaneet olot

Esimerkissä yhteinen yhteysbudjetti ja raporttirajojen puute voivat olla mekanismi. Jatkotoimen pitää muuttaa sitä eikä päättyä ”ollaan varovaisempia”.

- Rajaa raporttityö ja rinnakkaisuus, ettei yksi toiminto vie kaikkea.
- Arvioi eristys ja testaa raportit sekä checkout yhdessä edustavalla kuormalla.
- Hälytä checkouterveydestä ja vasteesta sekä harjoittele helpotusta tai rollbackia.
- Anna korjaukselle omistaja, määräaika ja valmisnäyttö.

Päätä oikea haastattelutarina oikeaan tulokseen ja testi- tai käyttönäyttöön. Puuttuva mittaus kerrotaan eikä korvata vaikuttavalla luvulla. Oppi liittyy muutokseen, jonka toteutuksessa ja tarkistuksessa olit mukana.

1. Kerro tilanne ja vastuu

2. Ensimmäiset viisi minuuttia: varmista ja järjestä

3. Seuraavat kymmenen minuuttia: turvallinen helpotus

4. Kolmeenkymmeneen minuuttiin: varmista hyödyllinen palvelu

5. Jälkeenpäin: muuta vian mahdollistaneet olot

Aiheeseen liittyvät kysymykset