Sari la conținut
Incidente

Fiecare cădere devine un incident cu povestea completă.

Când a început, cine a fost anunțat, cine a confirmat și când s-a rezolvat. Incidentul se deschide și se închide singur; tu doar confirmi.

Consola onDuty, incidentul INC-0142 „API comenzi nu răspunde”: cronologia cu verificări, notificări și apeluri, detaliile, cine e implicat și actualizarea pe pagina de status

Pe scurt

  • automatse deschide și se închide singur
  • P1–P4priorități care decid cine e trezit
  • la secundăcronologie cu apeluri și taste
  • TESTincidentele de test stau separat

01Ciclul unui incident

Deschis, confirmat, rezolvat, fără să apeși nimic în plus

onDuty deschide incidentul când căderea unei verificări critice e confirmată și îl închide când serviciul își revine. Singurul pas omenesc e confirmarea: „am văzut, mă ocup”.

Ce faci
Confirmi cu tasta 1 la apel, din linkul primit sau din aplicație.
Ce vezi
Cine a fost anunțat și pe ce canale, cine a confirmat și cum, plus detaliile: verificarea, politica, numărul de pe care sunăm, ultima eroare.
Ce primești
Alertele către ceilalți se opresc la confirmare. Dacă incidentul nu se rezolvă în termenul politicii de escaladare (implicit 30 de minute), escaladarea pornește din nou, ca să nu rămână uitat noaptea.

Emailul, push-ul și confirmarea din link sunt pe toate planurile; SMS-urile pe Start și peste, apelurile pe Start și peste, politicile de escaladare pe Start și peste.

  1. Deschis automat

    • căderea unei verificări critice e confirmată prin reverificări (implicit 3)
    • sau vine o alertă din Grafana, Zabbix, Sentry…
    • pornește alertarea: canalele regulii sau politica de escaladare
  2. Confirmat de un om

    • tasta 1 la apel, linkul din SMS sau email, aplicația
    • escaladarea se oprește
    • nerezolvat în termenul politicii (implicit 30 min) → escaladarea reîncepe
  3. Rezolvat singur sau manual

    • toate verificările lui răspund din nou
    • sau „Marchează rezolvat”, cu cauza scrisă într-o notă
    • toți cei anunțați primesc vestea
Detaliile incidentului: proiect Magazin Exemplu, serviciul API comenzi, verificarea critică, început azi 14:02:30, confirmat de Maria Ionescu cu tasta 1 la 14:08, politica Producție, sunăm de pe +40 316 300 410; cine e implicat: Andrei Popescu pasul 1, Maria Ionescu pasul 2, Radu Marin pasul 3

02Cronologie

Cronologia arată fiecare pas, la secundă

De la prima eroare până la închidere: verificări și reverificări, notificări trimise, apeluri, taste apăsate și note. Totul în ordinea în care s-a întâmplat.

Ce faci
Adaugi note pentru echipă direct în cronologie.
Ce vezi
Cine a fost sunat și pe ce număr, dacă a răspuns și cât a durat apelul, tasta apăsată (1, 2 sau 3) și apelul înapoi, cu PIN-ul verificat.
Ce primești
Un post-mortem care pornește cu „Ce s-a întâmplat” gata scris din cronologie și răspunsul la „de ce n-a răspuns nimeni?”.
Cronologia INC-0142: prima eroare HTTP 503 la 14:02:00, incident deschis la 14:02:30, push, SMS și email către Andrei Popescu, apel nepreluat cu textul citit, escaladare la Maria Ionescu, apel preluat și tasta 1, confirmare, apelul înapoi al lui Andrei cu PIN corect

03Lista de incidente

Toate incidentele, filtrate cum lucrezi

Lista pornește pe proiectul ales în meniu. Vezi dintr-o privire ce e deschis, cine lucrează la ce și cât durează, în medie, până la confirmare și rezolvare.

Ce faci
Filtrezi după stare, prioritate, proiect, serviciu și perioadă; exporți în CSV.
Ce vezi
Deschise acum și câte dintre ele sunt confirmate, timpul mediu până la confirmare (MTTA) și până la rezolvare (MTTR), pe perioada aleasă (implicit ultimele 30 de zile).
Ce primești
Incidentul nevăzut iese în evidență: „încă nimeni” cu roșu, la rândul lui.
Lista de incidente: 1 deschis, 1 confirmat, timp mediu până la confirmare 3 min 40 s, până la rezolvare 24 min; filtre pe stare, prioritate, perioadă, proiect, serviciu și teste; tabel cu INC-0142 confirmat P1, INC-0141 deschis P3 fără confirmare și incidente rezolvate

04Emailuri de alertă

Un singur fir de email pe incident

Deschis, escaladat, confirmat, rezolvat: fiecare schimbare pleacă în același fir, cu subiectul „[Stare] INC-0142 · serviciu · proiect”. În inbox vezi tot incidentul, nu zece emailuri răzlețe.

Ce faci
Apeși „Confirm incidentul” direct din email: linkul e doar al tău și merge fără autentificare; un clic pe pagina deschisă confirmă, ca tasta 1.
Ce vezi
Ce a căzut, eroarea, regiunea, regula care a pornit alerta și ce urmează dacă nu confirmi.
Ce primești
La rezolvare: durata, cine a confirmat și cauza notată de echipă.
Email Rezolvat: API comenzi funcționează din nou, durata 29 de minute, confirmat de Maria Ionescu, cauza notată, butoane Vezi cronologia și Actualizează pagina de status
Email Căzut: API comenzi e căzut, verificarea api.exemplu.ro/health răspunde HTTP 503, regiunea Frankfurt cu 3 reverificări, regula Căzut P1, butoane Confirm incidentul și Deschide în onDuty

05Pagina de status

Clienții află din același ecran

Nu mai deschizi alt instrument ca să scrii „investigăm”. Alegi starea, scrii mesajul pentru clienți și publici direct din incident.

Ce faci
Alegi una dintre cele patru stări: Investigăm, Cauză identificată, Monitorizăm, Rezolvat.
Ce vezi
Componenta afectată și mesajul exact pe care îl vor citi clienții; bifezi dacă trimitem email abonaților.
Ce primești
Clienții văd numele afișat al serviciului, titlul public și mesajul tău. Adresele și numele verificărilor, notele interne și cine e de gardă nu apar niciodată public.
Pagini de status
Actualizare pe pagina de status: stările Investigăm, Cauză identificată, Monitorizăm, Rezolvat; mesajul pentru clienți pe componenta API comenzi; trimite email abonaților (128); butonul Publică actualizarea

06Priorități și teste

Prioritatea decide cine e trezit

Fiecare regulă de alertare dă incidentului o prioritate de la P1 la P4. Tu alegi ce face fiecare regulă: cine e anunțat, pe ce canale și dacă are ore de liniște, peste care trece doar un P1.

Ce faci
Setezi severitatea pe regula de alertare: implicit „Căzut” e P1, iar „Degradat” (lent) e P3.
Ce vezi
Prioritatea pe fiecare incident, în listă și în emailuri; filtrezi lista după ea.
Ce primești
Incidentele de test (din simulări) au eticheta TEST, sunt ascunse implicit și nu intră în uptime, SLA, MTTA/MTTR, rapoarte sau pe pagina de status.
Simularea incidentelor
  • P1 · Critic

    Serviciul e jos. Sună și în orele de liniște (excepție bifată implicit).

  • P2 · Mare

    Ceva important nu merge, ex. cuvântul „Adaugă în coș” lipsește.

  • P3 · Mediu

    Degradat: răspunde lent de câteva minute, peste pragul ales. Implicit pe email și push, fără apel.

  • P4 · Mic

    Informativ, ex. o alertă măruntă primită din alt sistem. Mementoul unui domeniu care expiră e tot P4, dar nu deschide incident.

Cum arată în practică

INC-0142, de la 503 la „funcționează din nou”

Incidentul din capturile de mai sus, ca exemplu, cu toate canalele: aplicație, SMS, email, apel, apelul înapoi și pagina de status.

Prima notificare
2 s
Confirmat în
5:45 min
Rezolvat în
29 min
  1. 14:02:30DeschisINC-0142 · P1 · 3 reverificări eșuate, API comenzi e Căzut
  2. 14:02:32Push · SMSAndrei Popescu primește push, SMS și primul email din fir
  3. 14:04:32ApelApel către Andrei de pe +40 316 300 410 · nepreluat
  4. 14:07:32EscaladatPasul 2 · Maria Ionescu primește emailul „a ajuns la tine”
  5. 14:08:15Tasta 1Maria confirmă · escaladarea se oprește, termenul de 30 min al politicii pornește
  6. 14:09:05Sunat înapoiAndrei sună înapoi, ascultă alerta, introduce PIN-ul și se alătură incidentului
  7. 14:10Status„Investigăm” pe status.exemplu.ro · email către 128 de abonați
  8. 14:31:10RezolvatRevenire confirmată prin reverificări, închis automat · cauza notată de Maria

Întrebări

Despre incidente

Cine poate confirma un incident?

Oricine a fost anunțat: persoana de gardă sau cei din pașii următori ai politicii. Confirmă cu tasta 1 la apel, din linkul personal din SMS sau email, ori din aplicație, unde pot confirma adminii și membrii proiectului, nu și cei cu acces doar de citire. Observatorii primesc doar email și push, informativ.

Pot primi incidente din alte sisteme?

Da. Grafana, Prometheus Alertmanager, Zabbix, Sentry, Datadog sau aplicația ta trimit alerte pe un punct de primire (un webhook). Alertele cu aceeași cheie actualizează același incident, iar starea „rezolvat” îl închide. Punctele de primire sunt pe Start și peste.

Ce se întâmplă cu un incident în timpul unei mentenanțe?

Nu se deschide. Verificările rulează și se înregistrează, dar nu deschid incidente și nu sună. Dacă serviciul e tot căzut la finalul ferestrei, incidentul se deschide normal.

Ce sunt MTTA și MTTR?

Timpul mediu până la confirmare și timpul mediu până la rezolvare. Le vezi în lista de incidente și în rapoarte; incidentele de test nu intră în calcul.

Incidentele apar automat pe pagina de status?

Starea componentei se schimbă singură, după verificările critice ale serviciului. Anunțul de incident îl publici tu, din incident, cu mesajul tău: o cădere nu se anunță clienților fără acordul echipei. La rezolvare, incidentul public se închide singur.

Primul incident să fie unul de test

Plan gratuit, fără card. Simulările reale de incident sunt pe Start și peste; le încerci în cele 14 zile de probă pe planurile plătite, tot fără card.