Παράθυρα συντήρησης

1) Ποιο είναι το «παράθυρο συντήρησης» και γιατί απαιτείται

Παράθυρο συντήρησης - Προσυμφωνημένο χρονικό πλαίσιο για δραστηριότητες που ενδέχεται να επηρεάσουν τη διαθεσιμότητα/τις επιδόσεις. Στόχος είναι οι ελεγχόμενες αλλαγές με προβλέψιμο κίνδυνο, διαφανή επικοινωνία και τεκμηριωμένη υποβολή εκθέσεων.

• Προγραμματισμένες εκδόσεις, μεταναστεύσεις, εναλλαγές πιστοποιητικών/κλειδιών, αναβαθμίσεις βάσεων δεδομένων/μεσιτών.
• Έκτακτη ανάγκη: επείγουσες διορθώσεις ασφαλείας/ανατροπές περιστατικών.
• Σιωπηλή/μηδενική επίπτωση: καμία επίπτωση χρήστη (κρυμμένα καναρίνια, αντίγραφα, παράλληλη εισαγωγή).
• Παρόχους: παράθυρα εξωτερικών παρόχων (PSP/KYC/CDN/Cloud).

2) Αρχές

SLO-πρώτα: η απόφαση σχετικά με το χρόνο/τη μορφή του παραθύρου λαμβάνεται ανάλογα με τον αντίκτυπο στους προϋπολογισμούς SLI και σφάλματος.
Ελάχιστη ακτίνα εκρηκτικών: καναρίνι → βαθμιαία → πλήρης συμπερίληψη.
Αναστρεψιμότητα: Κάθε πράξη έχει ένα εφεδρικό σχέδιο και μια αποδεδειγμένη ανατροπή.
Ενιαία πηγή αλήθειας: ημερολόγιο παραθύρων + εισιτήριο/RFC με πλήρες πακέτο δεδομένων.
Αποδεικτικά στοιχεία: συλλογή αποδεικτικών στοιχείων (αρχεία καταγραφής, γραφήματα, στιγμιότυπα οθόνης, hashes τεχνουργημάτων).
Ανακοινώσεις SLA: εκ των προτέρων, κατά τη διάρκεια των εργασιών, μετά την ολοκλήρωσή τους.

3) Προγραμματισμός: Χρονοδιάγραμμα και κάλυψη

Επιλογή παραθύρων: χαμηλή κυκλοφορία, ελάχιστος αντίκτυπος για βασικές ομάδες (περιφέρειες/VIP/εταίροι).
Ζώνες ώρας: καταγραφή σε UTC + τοπική ώρα (π.χ. Ευρώπη/Κίεβο).
Περίοδοι διακοπής ρεύματος: απαγόρευση της εργασίας κατά τις περιόδους αιχμής/εκδηλώσεις (αγώνες, πωλήσεις, «παράθυρα θανάτου»).
Ακτίνα έκρηξης: να προσδιοριστεί σαφώς ποιος θα επηρεαστεί (υπηρεσίες, περιφέρειες, πάροχοι).

4) Διαδικασία διαπραγμάτευσης (RFC/CAB lite)

1. Η μεταβιβάζουσα οντότητα δημιουργεί εισιτήριο/RFC με ανάλυση και σχέδιο κινδύνου (βλέπε υπόδειγμα κατωτέρω).
2. Εκτίμηση κινδύνου (χαμηλή/Med/υψηλή) και έγκριση από τον ιδιοκτήτη της υπηρεσίας + SRE/ασφάλεια.

3. Χρονοδιάγραμμα: κράτηση χρονοθυρίδων. Έλεγχος συγκρούσεων (άλλα παράθυρα/πάροχοι)

4. Σχέδιο Comm: προσυμφωνημένες κοινοποιήσεις και σελίδα κατάστασης.
5. Go/No-Go-meeting (σε 24-48 ώρες) για αλλαγές υψηλού κινδύνου.

5) Προετοιμασία: Πύλες Ασφαλείας

Έλεγχοι πριν από την εκτόξευση: επιτυχείς δοκιμές σταδίου, υπογεγραμμένα τεχνουργήματα, συνολικοί κίνδυνοι ≤ αποδεκτοί.
Κανάριος: 1%→5%→25% ανά ομάδα/περιφέρεια. Αυτόματες SLO-gardrails και αυτόματη ανατροπή.
Σημαίες και όρια υποβάθμισης είναι έτοιμα.
Το σχέδιο ανατροπής/επαναφοράς ελέγχεται σε αμμοκιβώτιο. οι εντολές ανατροπής είναι τεκμηριωμένες.
Κατάργηση των προειδοποιήσεων: μόνο για τον αναμενόμενο θόρυβο, τα σήματα SLO δεν ανακουφίζονται.
Πρόσβαση: λογαριασμοί JIT/JEA για πράξεις, υποχρεωτικός έλεγχος.

6) Επικοινωνίες (χρονοδιάγραμμα και περιεχόμενο)

ημέρες (προγραμματισμένες): heads-up για τους πελάτες/εσωτερικές ομάδες (τι/πότε/αντίκτυπο/επαφές).
λεπτά: υπενθυμίσεις μέσα και στη σελίδα κατάστασης.
Κατά τη διάρκεια των εργασιών: επικαιροποιήσεις κάθε 15-30 λεπτά (εξαρτώμενες από τον SEV) σύμφωνα με το υπόδειγμα: Στάδιο επιπτώσεων Επόμενη ενημέρωση.
Μετά: τελικό «Ολοκληρωμένο/μερικώς ολοκληρωμένο/επαναπληρωμένο», κατάλογος αλλαγών, έλεγχος SLO.

7) Επιδόσεις έργων (σενάριο αναφοράς)

1. Παγώστε τις μη συνδεδεμένες εκλύσεις.
2. Μετάβαση σε καναρίνια (περιορισμένη ομάδα) → παρατηρούν SLI/p95/p99 μετρήσεις.
3. Σταδιακή αύξηση του μεριδίου με πράσινα γρανάζια.
4. Επαλήθευση των επιχειρήσεων SLI (μετατροπή, επιτυχία των πληρωμών/καταχωρίσεων).
5. Επαλήθευση λειτουργικότητας λίστας (ευχάριστη διαδρομή + κρίσιμα σενάρια).
6. Διάλυμα απελευθέρωσης/μη αποδέσμευσης (IC/SRE/ιδιοκτήτη υπηρεσίας).
7. Κατάργηση της καταστολής, επιστροφή των πολιτικών συναγερμού.

8) Μετά το παράθυρο: επαλήθευση και υποβολή εκθέσεων

Παράθυρο παρατήρησης (π.χ. 1-24 ώρες): παρακολούθηση SLO και σφάλματα.
Αναφορά παραθύρου: τι έγινε, μετρήσεις, αποκλίσεις, αποδεικτικά στοιχεία, συνολικά.
Εάν υπήρχαν προβλήματα: AAR→RCA→CAPA (καθορισμός κανόνων, δοκιμών, τεκμηρίωση).
Αρχείο: εισιτήριο, τεχνουργήματα, υπογραφές, checksums.

9) Συντονισμός με εξωτερικούς παρόχους

επιβεβαιωμένες χρονοθυρίδες και επαφές με τον πάροχο· παράθυρο στο σύστημα κατάστασής τους.
Folback/δρομολόγηση σε εναλλακτικό πάροχο για την περίοδο εργασίας.
Ενιαία αίθουσα πολέμου με πάροχο (chat/bridge) και ενημερώσεις SLA.

10) Μετρήσεις διάρκειας της διαδικασίας

Χρονικός ρυθμός:% των παραθύρων ξεκίνησαν/ολοκληρώθηκαν εγκαίρως.
Αλλαγή ρυθμού αστοχίας:% των παραθύρων με ανατροπές/επιπτώσεις στο SLO.
Περιστατικό κατά τη διάρκεια της MW: συμβάντα που συνέβησαν κατά τη διάρκεια του παραθύρου.
Κοινοποίηση SLA: μερίδιο των έγκαιρων επικαιροποιήσεων.
Πληρότητα αποδεικτικών στοιχείων:% παραθύρων με πλήρες πακέτο αποδεικτικών στοιχείων.
Αντίκτυπος στον πελάτη: καταγγελίες/εισιτήρια για 1 παράθυρο, τάση.
Μετά από 7/30 ημέρες: σταθερότητα SLO και καμία υποτροπή.

11) Κατάλογοι ελέγχου

Πριν το παράθυρο

• RFC/εισιτήριο είναι γεμάτο? ολοκληρώθηκε η εκτίμηση επικινδυνότητας· εκχωρούμενος ιδιοκτήτης.
• Έλεγχος καναρινιού και εφεδρικού σχεδίου. Δοκιμασμένες εντολές ανατροπής.
• εκδοθείσες προσβάσεις JIT· Οι καταχωρίσεις είναι διαμορφωμένες (οι SLO δεν μπλοκάρονται).
• Καταρτίζονται ημερολογιακή σελίδα/σελίδα κατάστασης και κοινοποιήσεις.
• Κυκλοφορίες/Ανταγωνιστικά Windows - Κατεψυγμένα/Μετατοπισμένα.
• Επιβεβαιωμένοι πάροχοι· καταγράφονται οι επαφές και οι SLA.

Κατά τη διάρκεια

• Επικαιροποιήσεις του χρονοδιαγράμματος. Το δωμάτιο πολέμου είναι ενεργό.
• Τηρούνται τα σφάλματα SLO/αιχμής. σε περίπτωση παραβίασης - αυτόματη ανατροπή.
• Συλλέγονται αποδεικτικά στοιχεία (στιγμιότυπα οθόνης, πριν/μετά τα γραφήματα, ημερολόγιο δράσης).

Μετά

• SLO σε πράσινη περιοχή κατά τη διάρκεια του παραθύρου παρατήρησης.
• Τελική έκθεση με αποδεικτικά στοιχεία· Ενημερωμένη σελίδα κατάστασης.
• εκδίδονται CAPA (εάν υπήρχαν αποκλίσεις)· επικαιροποιημένη τεκμηρίωση.

12) Υποδείγματα

Υπόδειγμα RFC ανά παράθυρο συντήρησης

RFC: MW-2025-11-05-DB-Upgrade
Window: 2025-11-05 00: 00-02: 00 UTC (Europe/Kyiv 02: 00-04: 00)
Service/component: payments-db (PostgreSQL cluster A)
Type: Planned (High)
Target: Upgrade to 15. x for security/bugs
Blast radius: EU region, tenant EU, all write operations
Impact: up to 2 × p99 growth to 400 ms; short-term read-only (≤5 min)
Gardrails: error-rate <0. 5%, p99 <400 ms, SLO not impaired
План: expand→migrate→contract; canary 1 %/5 %/25%; 1..N steps (with commands)
Backout: rolling back replica/slots; TTL DNS does not change; rollback time ≤ 10 min
Suppression: noise of database/replica alerts; SLO alerts are active
Communications: T-7/T-2 days and T-60/15 minutes; war-room #mw-db-a
Owners: @ db-tl, @ sre-ic, @ payments-pm
Evidence: before/after p95/p99 graphs, migration logs, checksums
Risk: High (data) - confirmed by CAB

Υπόδειγμα κοινοποίησης πελάτη (σύντομη)

Topic: Planned work 05. 11. 2025 02:00–04:00 (Europe/Kyiv)
We will update the payment database. Short delays and read-only mode (up to 5 minutes) are possible.
On-call contacts: status. example. com      support@example. com

Κανόνες καταστολής (ιδέα)

yaml suppress:
- name: db-maintenance when: window("2025-11-05T00:00Z","2025-11-05T02:00Z")
match: [ "db. replica. lag", "db. connection. reset", "migration. progress" ]
keep: [ "slo. payment. success", "api. availability" ]

13) Χαρακτηριστικά των ρυθμιζόμενων τομέων

Αρχείο ελέγχου αμετάβλητο: ποιος ενέκρινε, ποιος εκτέλεσε, τι εντολές, χασίς αντικειμένων.
PII/Finance: συγκάλυψη αποδεικτικών στοιχείων, περιορισμένη πρόσβαση σε εκθέσεις.
Όροι κοινοποίησης σε πελάτες και εταίρους - σύμφωνα με τις συμβάσεις.
Παράθυρα παρόχου - τεκμηριωμένα με εξωτερικές SLA και επαφές.

14) Αντι-μοτίβα

Παράθυρο χωρίς εφεδρικό σχέδιο και επαληθευμένη ανατροπή.
Παρεμβολές σημάτων SLO «για κάθε περίπτωση».
Ανταγωνιζόμενα παράθυρα στον ίδιο τομέα/περιοχή.
Σιωπή Comm: όχι πριν/κατά τη διάρκεια/μετά τις επικαιροποιήσεις.
Χειροκίνητες επεξεργασίες στο προϊόν χωρίς έλεγχο και σενάρια.
«Άπειρα» παράθυρα λόγω αβέβαιων κριτηρίων επιτυχίας.
Έλλειψη αποδεικτικών στοιχείων - τίποτα που να επιβεβαιώνει την ποιότητα.

15) Χάρτης πορείας για την εφαρμογή (4-6 εβδομάδες)

1. Νεντ. ένα ενιαίο ημερολόγιο και πρότυπο RFC καθορίζουν περιόδους διακοπής ρεύματος.
2. Νεντ. 2: τυποποίηση πυλών (καναρίνι, SLO-gardrails, backout).
3. Νεντ. 3: αυτόματες σημειώσεις καταστολής/απελευθέρωσης και σελίδα κατάστασης.
4. Νεντ. 4: μετρήσεις παροχής στοιχείων και διάρκειας· εβδομαδιαία επανεξέταση MW.
5. Νεντ. 5-6: ολοκλήρωση με τους παρόχους και αρχείο ελέγχου· Προσομοίωση παραθύρου υψηλού κινδύνου.

16) Η τελική γραμμή

Τα κατάλληλα οργανωμένα παράθυρα υπηρεσιών είναι διαχειρίσιμα, αναστρέψιμα και αποδεδειγμένα ασφαλείς αλλαγές. Με SLO-gardrails, canary rasps, αυστηρές επικοινωνίες και ένα πλήρες σύνολο αποδεικτικών στοιχείων, το παράθυρο μετατρέπεται από ένα «τρομερό downtime» σε ένα συνηθισμένο μηχανισμό βελτιώσεων χωρίς εκπλήξεις για τους χρήστες και τους εταίρους.