Sự cố vừa xong. Postmortem của bạn gồm những gì?

Lý do blameless không phải vì lịch sự mà vì hiệu quả: ở nơi người ta bị khiển trách, người ta ngừng báo cáo. Bạn mất đi những sự cố suýt xảy ra — nguồn thông tin rẻ nhất và giá trị nhất có — vì không ai muốn ghi lại việc mình vừa gần làm hỏng thứ gì. Đội càng an toàn về mặt tâm lý thì càng biết nhiều về hệ thống của chính mình.

Phần kém nhất của phần lớn postmortem là mục hành động: “sẽ cẩn thận hơn” hoặc “bổ sung tài liệu” không phải hành động, vì không đo được và không ai kiểm được. Hành động tốt là thay đổi HỆ THỐNG: thêm một cảnh báo với ngưỡng cụ thể, thêm một xác nhận trước lệnh nguy hiểm, chặn một cấu hình sai ở CI. Nếu hành động không đổi hành vi của hệ thống thì sự cố đó sẽ lặp lại.

Về việc đo, hai con số đáng theo dõi theo thời gian hơn là số lượng sự cố: thời gian tới khi PHÁT HIỆN và thời gian tới khi KHÔI PHỤC. Số lượng sự cố phụ thuộc vào tốc độ thay đổi và không tự nó xấu; còn phát hiện chậm thì luôn xấu, và nó thường chỉ ra một lỗ hổng trong quan sát hệ thống chứ không phải trong code.