Hãy mô tả vai trò của bạn trong một sự cố trên production.

Question

Accepted Answer

Họ muốn thấy bạn giữ được sự **bình tĩnh, có phương pháp và không đổ lỗi (blameless)** dưới sức ép — khôi phục dịch vụ trước, chẩn đoán sau, và ngăn tái diễn cuối cùng. Hãy dùng **STAR**.

## Cách tiếp cận

```text
THỨ TỰ XỬ LÝ SỰ CỐ
1. Ổn định — chặn "chảy máu" (rollback, failover, giảm thiểu)
2. Giao tiếp — cập nhật cho stakeholder trên một kênh rõ ràng
3. Chẩn đoán — tìm nguyên nhân gốc khi đã ổn định, không phải trong lúc đang cháy
4. Ngăn ngừa — một buổi post-mortem không đổ lỗi với các hạng mục hành động
```

## Ví dụ minh họa

```text
S: Một bản deploy gây lỗi checkout cho khoảng 15% người dùng.
T: Tôi đang trực on-call và phải khôi phục dịch vụ thật nhanh.
A: Tôi rollback bản deploy trước (dịch vụ hồi phục trong vài phút), đăng cập
   nhật mỗi 10 phút, rồi truy ra nguyên nhân là một giá trị null không được xử
   lý từ một field API mới. Tôi thêm một guard và một contract test.
R: Thời gian downtime giữ dưới 20 phút. Buổi post-mortem bổ sung test còn thiếu
   vào CI để nó không thể tái diễn.
```

## Tốt và yếu

```text
✓ Giảm thiểu trước, giao tiếp, theo dõi không đổ lỗi
✗ Debug trực tiếp trong khi người dùng đang gặp lỗi
✗ Đổ lỗi cho người đã deploy
```

## Tại sao điều này quan trọng

Sự cố kiểm tra sự điềm tĩnh — đội nhóm cần đôi bàn tay vững vàng, không phải hoảng loạn, khi mọi thứ hỏng hóc.

Một cách tiếp cận không đổ lỗi giữ cho mọi người trung thực về nguyên nhân, đó là cách duy nhất để thực sự ngăn tái diễn.

Cách bạn xử lý ngày tồi tệ nhất nói lên nhiều về cấp độ thâm niên của bạn hơn cách bạn xử lý những ngày tốt đẹp.