Πίνακας κλιμάκωσης

1) Σκοπός του πίνακα

• επίπεδα SEV και τα κριτήρια τους·
• χρονοδιαγράμματα (ανίχνευση της κλιμάκωσης επικαιροποίησης του ack )·
• Ρόλοι/δίαυλοι για κάθε βήμα
• Εξαιρέσεις (χωρίς ήσυχες ώρες για την ασφάλεια και τη συμμόρφωση)
• δέσμη με βιβλία αναπαραγωγής και σελίδα κατάστασης.

2) Ταξινόμηση κατά σοβαρότητα (SEV)

Ορισμός αριθμών στόχων για τον τομέα σας και SLO.

3) Βασικός ποιος/πότε/πού πίνακας

4) Το κρίσιμο δέντρο κλιμάκωσης (ουσία)

1. Οποιαδήποτε επιβεβαιωμένη επίπτωση στην SLO

Ναι: αναθέστε ένα IC, δηλώστε ένα SEV, ανοίξτε ένα δωμάτιο πολέμου.
Όχι: εισιτήριο/παρατήρηση, χωρίς σελίδα.

2. Έχεις μια ACK στην ώρα σου

Ναι: συνεχίζουμε κατά μήκος του playbook.
P2 IC DM (χρονική κλίμακα).

3. Ασφάλεια/διαρροή/PII

Πάντα η ασφάλεια IR + Νομική, οι δημόσιες επικοινωνίες είναι συντονισμένες.

4. Εξωτερικός πάροχος

Κλιμάκωση ιδιοκτήτη προμηθευτή, αλλαγή διαδρομής, διόρθωση σε κατάσταση.

5) Κλιμάκωση ρόλων και αρμοδιοτήτων (συντομία)

P1 (Πρωτοβάθμια): triage, playbook start, link to IC.
P2 (δευτεροβάθμια): εφεδρικές, πολύπλοκες δράσεις, διατήρηση πλαισίου.
IC (Διοικητής Συμβάντων): Ανακοινώνει το SEV, αποφασίζει πάγωμα/ανατροπή, συμβαδίζει.
Υπεύθυνος υπηρεσίας: αφαιρεί κλειδαριές, αναδιανέμει πόρους, παίρνει οργανωτικές αποφάσεις.
Comms: status page, SLA updates.
IR: απομόνωση, εγκληματολογία, νομικές ανακοινώσεις.
Ιδιοκτήτης πωλητή: εξωτερικοί πάροχοι, μετάβαση/επιστροφή.

6) Προσωρινοί οδηγοί (ορόσημα)

ACK 5 , Declare 10 , First Comms 15 , Updates q = 15-30 .
Κλίμακα κυλιόμενης κλίμακας: P1→P2 (5 m) → IC (10 m) → Διαχειριστής υπηρεσίας (15 m) → Exec on-call (30 m).
Ασφάλεια: χωρίς καθυστερήσεις και «ήσυχες ώρες», επικαιροποιήσεις q = 15 m.

7) Δρομολόγηση και κατάτμηση

Κατά υπηρεσία/περιφέρεια/ενοικιαστή: κλειδί δρομολόγησης = «υπηρεσία + περιφέρεια + ενοικιαστής».
Απαρτία καθετήρων: κλιμακώνεται μόνο εάν επιβεβαιωθούν ≥2 ανεξάρτητες πηγές (συνθετικές από 2 περιφέρειες + RUM/επιχειρήσεις SLI).
Dedup: ένας κύριος συναγερμός αντί για δεκάδες συμπτώματα (DB «κόκκινο» καταστέλλει το θόρυβο 5xx).

8) Εξαιρέσεις και ειδικοί τρόποι μεταφοράς

Ασφάλεια/Νομική: κλιμάκωση των IR και Legal out. τα δημόσια κείμενα μόνο μέσω συντονισμού.
Πάροχοι: χωριστός πίνακας OLA/SLA (επαφές, χρονικές ζώνες, προτεραιότητα).
Αλλαγή κατάψυξης: εάν SEV-1/0 - αυτόματη κατάψυξη των εκλύσεων και ρυθμίσεων.

9) Μετρήσεις ληκτότητας του πίνακα τιμών

Ack p95 (SEV-1/0) ≤ 5 λεπτά.
Χρόνος για να Δηλώσετε (διάμεσος) ≤ 10 λεπτά.
Comms SLA Adherence ≥ 95%.
Επιτυχία κλιμάκωσης (επιλύθηκε σε P1/P2 επίπεδο) ≥ 70%.
Κλιμάκωση No-ACK ↓ QoQ.
Χρόνος απόκρισης πωλητή για κρίσιμους παρόχους στο πλαίσιο της σύμβασης.

10) Κατάλογοι ελέγχου

Επιγραμμικά (για εφημερία)

• Προσδιορισμός των επιπτώσεων SLO και των δυνητικών SEV.
• Κατασκευάστηκε ACK και αποδόθηκε IC (για SEV-1/0).
• Ανοιχτό δωμάτιο πολέμου, συνημμένο βιβλίο παιχνιδιών.
• Επικαιροποίηση της κατάστασης που έχει δημοσιευθεί/προγραμματιστεί από την SLA.
• Το πάγωμα ενεργοποιήθηκε (εάν χρειαζόταν), ο πάροχος/η ασφάλεια κλιμακώθηκε.

Διαδικασία (εβδομαδιαία επανεξέταση)

Η κλίμακα κλιμάκωσης δούλεψε στο SLA

• Υπήρξαν περιττές κλιμακώσεις πριν το IC
• Οι ειδοποιήσεις πελατών είναι έγκαιρες και ακριβείς
• Υπήρχαν αποκλειστές (πρόσβαση, επαφές με πάροχο, σιωπηλό κανάλι)
• Έχουν επίσης τεθεί σε εφαρμογή CAPA για αποτυχίες διεργασιών.

11) Υποδείγματα

11. 1 Πολιτική κλιμάκωσης (ιδέα YAML)

yaml policy:
sev_levels:
- id: SEV-0 declare_tgt_min: 5 first_comms_min: 10 update_cadence_min: 15
- id: SEV-1 declare_tgt_min: 10 first_comms_min: 15 update_cadence_min: 30 ack_sla_min:
default: 5 ladder:
- after_min: 5 escalate_to: "P2:oncall-<service>"
- after_min: 10 escalate_to: "IC:ic-of-the-day"
- after_min: 15 escalate_to: "DutyManager:duty"
- after_min: 30 escalate_to: "Exec:oncall-exec"
channels:
war_room: "#war-room-<service>"
alerts: "#alerts-<service>"
security: "#sec-war-room"
providers: "vendors@list"
quorum:
required_sources: 2 sources: ["synthetic:eu,us", "rum:<service>", "biz_sli:<kpi>"]
exceptions:
security: { quiet_hours: false, legal_approval_required: true }
providers: { auto_switch: true, notify_vendor_owner: true }

11. 2 Κάρτα κλιμάκωσης χρόνου (για ρομπότ)

T + 05m: no ACK → escalated to P2
T + 10m: no ACK/Declare → escalated to IC, war-room open
T + 15m: no Comms → reminder Comms, escalation Duty Manager
T + 30m: no Updates → IC reminder, Exec on-call CC

11. 3 Πρότυπο για την πρώτη ενημέρωση του κοινού

Impact: [services/regions] affected, [symptoms e.g. delays/errors].
Reason: Investigating; confirmed by monitoring quorum.
Actions: bypass routes/restrictions are enabled, provider switching is in progress.
Next update: [time, time zone].

12) Ολοκλήρωση

Alert-as-Code: Κάθε κανόνας σελίδας αναφέρει ακριβώς ένα βιβλίο παιχνιδιού και γνωρίζει το δικό του πίνακα κλιμάκωσης.
ChatOps: εντολές '/declare sev1 ', '/page p2', '/status update ', auto-timers ενημερώσεων.
CMDB/Κατάλογος: η υπηρεσία έχει ιδιοκτήτες, εφημερία, πίνακα, παρόχους, κανάλια.
Σελίδα κατάστασης: πρότυπα για SEV-1/0, επικαιροποίηση του ιστορικού, συνδέσεις με RCA.

13) Αντι-μοτίβα

«Γεφύρωση όλων ταυτόχρονα» → θόρυβος και θολή ευθύνη.
No IC/αίθουσα πολέμου - λύσεις ανατριχιάζουν σε συνομιλίες.
Καθυστέρηση της πρώτης επικαιροποίησης - αύξηση των καταγγελιών και των κινδύνων δημοσίων σχέσεων.
Καμία εξαίρεση όσον αφορά την ασφάλεια - νομικοί κίνδυνοι.
Εξωτερικοί πάροχοι χωρίς ιδιοκτήτη και επαφές.
Οι σκάλες δεν είναι αυτοματοποιημένες - όλα είναι «στο χειρόφρενο».

14) Χάρτης πορείας για την εφαρμογή (3-5 εβδομάδες)

1. Νεντ. 1: καθορισμός κριτηρίων και χρονοδιαγραμμάτων SEV· Συλλογή ρόλων/επαφών παρόχου επιλεγμένων διαύλων.
2. Νεντ. 2: περιγράψτε την πολιτική (YAML), συνδεθείτε με τον κώδικα συναγερμού, ενεργοποιήστε τη σκάλα στο βομβαρδιστικό.
3. Νεντ. 3: χειριστής υπηρεσιών ζωτικής σημασίας 2-3· αποσφαλμάτωση SLA Comms και υποδείγματα.
4. Νεντ. 4-5: Επέκταση της κάλυψης, εισαγωγή εβδομαδιαίων εκτιμήσεων κλιμάκωσης και μετρήσεων ωριμότητας.

15) Η τελική γραμμή

Ο πίνακας κλιμάκωσης είναι το επιχειρησιακό Σύνταγμα των συμβάντων: ποιος, πότε και πώς συνδέεται. Με σαφείς SEV, χρονοδιαγράμματα, κανάλια, εξαιρέσεις ασφαλείας και ενσωμάτωση με playbooks και μια σελίδα κατάστασης, η ομάδα αντιδρά γρήγορα, συνεκτικά και με διαφάνεια, και οι χρήστες βλέπουν προβλέψιμες ενημερώσεις και ανάκτηση υπηρεσιών με αυτοπεποίθηση.