Τυποποιημένες διαδικασίες λειτουργίας

1) Τι είναι το SOP και γιατί χρειάζεται

Το SOP (Standard Operation Procedure) είναι μια τυπική, επικυρωμένη ακολουθία βημάτων για επαναλαμβανόμενες λειτουργίες με κατανοητές εισροές/εκροές, ρόλους και ποιοτικά κριτήρια.

• Μείωση της διακύμανσης της εκτέλεσης και των κινδύνων.
• Μειώστε το MTTA/MTTR μέσω ενεργειών εκτός της θήκης.
• Συμμόρφωση και έλεγχος: αναπαραγωγιμότητα, ιχνηλασιμότητα.
• Επιβίβαση: επιτάχυνση της μάθησης και σκιά-σόλο.

SOP ≠ playbook: playbook - δέντρο αποφάσεων με πιρούνια, SOP - γραμμικοί κανόνες για ένα συγκεκριμένο σενάριο (ή κλάδος playbook).

2) Καλές αρχές SOP

Καθοδηγούμενη από τα αποτελέσματα: Εστίαση στα αποτελέσματα (SLO/επιχειρηματικά κριτήρια), όχι μόνο στα βήματα.
Αδιαφάνεια: εντολές, παράμετροι, αναμενόμενα αποτελέσματα και σημεία ελέγχου.
Εξ ορισμού ασφάλεια: καταχωρίζονται οι πύλες, τα όρια, η οπισθοπορεία/η ανατροπή.
Ελάχιστο πλαίσιο: σύντομες σημειώσεις + σύνδεσμοι με λεπτομερή εγχειρίδια/διαγνωστικά.
Συνάφεια: ημερομηνία επανεξέτασης, ιδιοκτήτης, έκδοση, ημερομηνία λήξης.
Δυνατότητα εκτέλεσης: πρόσβαση JIT/JEA, έλεγχοι προϋποθέσεων, υποδείγματα τεχνουργημάτων.

3) Τυποποιημένη δομή SOP (σκελετός)

ID/Version/Review Date
Name and short purpose (what and why)
Scope (Services/Regions/Tenants, SEV/Risk)
Roles and Responsibilities (RACI: R/A/C/I)
Preconditions (accesses, windows, stage, reserve, artifacts)
Materials/tools (dashboards, feature flags, repos, keys)
Quality gates (SLO-gardrails, quorum of probes, alerts)
Step-by-step instruction (step → command → expected result → verification)
Branches (if X - perform Y) [minimum]
Backout/Rollback (start conditions, steps, verification)
Communications (who, when, where; message templates)
Evidence (what to save: screenshots, logs, chexums, links)
Completion (success criteria, watching who closes the ticket)
Change History (What, By Whom, and Why)

4) Κατάλογος SOP και ιδιοκτησία

Ενιαίο αποθετήριο (Docs-as-Code) με ετικέτες: 'domain/ops', 'service/checkou ,' risk/high ',' provider/psp-a '.
Κάρτα ιδιοκτήτη: ομάδα, επαφές υπηρεσίας, εφεδρικός ιδιοκτήτης.
Συνάφεια SLA (π.χ. επανεξέταση κάθε ≤90 ημέρες ή μετά το συμβάν/απελευθέρωση).
Επικυρωτής Linter/SOP (CI): επαλήθευση της δομής, των συνδέσμων, των ιδιοκτητών, της περιόδου επανεξέτασης.

5) Κύκλος ζωής SOP

1. Έναρξη (μετά το συμβάν/άσκηση/νέα διαδικασία).
2. Σχέδιο (συντάκτης = ιδιοκτήτης υπηρεσίας/διαδικασίας).
3. Επανεξέταση (SRE/Security/Legal/Comms - ανά τομέα).
4. Πιλότος (tabletop/game day): χρόνος μέτρησης, εύρεση → επεξεργασία.
5. Δημοσίευση (έκδοση, ημερομηνία, αριθμός, πρότυπα στον κατάλογο CMDB/υπηρεσιών).
6. Επιχειρησιακή εφαρμογή (σημειώσεις σε εισιτήρια/συνομιλίες, συλλογή αποδεικτικών στοιχείων).
7. Επικαιροποίηση (από την RCA/CAPA, εντός προθεσμίας επανεξέτασης, με αλλαγές αρχιτεκτονικής).
8. Αρχειοθέτηση/εξάντληση (αντικαταστάθηκε από νέο SOP/playbook).

6) Συνδέσεις με γειτονικά τεχνουργήματα

Playbooks: SOP - «γραμμικός κλάδος» εντός του playbook. αναφορά από τα στάδια.
Runbook 'και: τεχνικές λεπτομέρειες/σενάρια τοποθετούνται στο runbook, SOP αναφέρεται.
Πολιτικές (κώδικας πολιτικής): πύλες πρόσβασης, άδειες, RBAC - υποχρεωτικοί σύνδεσμοι.
SLO/SLI: κριτήρια επιτυχίας και σιδηροτροχιές.
Πίνακας κλιμάκωσης: ρόλοι/χρονοδιαγράμματα όταν η εκτέλεση SOP αποτυγχάνει.
Παράθυρα συντήρησης: απαιτήσεις slot/comma για SOP υψηλού κινδύνου.

7) Μετρήσεις επιδόσεων SOP

Χρόνος έως την εκτέλεση (διάμεσος/p95) - πόσο χρόνο διαρκεί η διαδικασία.
Ποσοστό επιτυχίας - ποσοστό επιτυχίας χωρίς κλιμάκωση/ανατροπή.
Πληρότητα αποδεικτικών στοιχείων - πληρότητα των αντικειμένων.
SLO Πρόσκρουση - υπάρχει οποιαδήποτε υποβάθμιση κατά τη διάρκεια/μετά το στάδιο (λεπτά καύσης).
Πυκνότητα ελαττώματος - Σημειώσεις ανασκόπησης/άσκησης σε 10 SOP.
Η φρεσκάδα είναι το ποσοστό των SOP με ανασκόπηση ≤90 ημερών.
Υιοθέτηση - πόσες ειδοποιήσεις/παράθυρα είναι στην πραγματικότητα συνδεδεμένα με το SOP.

8) Λίστα ελέγχου συγγραφέα SOP

• Καθορισμός ορίων σκοπού και εφαρμογής.
• Ρόλοι, προσβάσεις και παράθυρα - περιγράφονται.
• Οι πύλες ποιότητας και SLO είναι μετρήσιμες, υπάρχουν πηγές σημάτων.
• Βήματα εκτελέσιμα: εντολές/σενάρια, αναμενόμενα αποτελέσματα, επαλήθευση.
• Backout/rollback και κριτήρια εκτόξευσης - σαφή.
• Επισυνάπτονται υποδείγματα Comm.
• Ο κατάλογος αποδεικτικών στοιχείων είναι δομημένος.
• Προσδιορισμός έκδοσης/ημερομηνίας/ιδιοκτήτη/επανεξέτασης.

9) Κατάλογος ελέγχου SOP

• Επιβεβαιωμένες προϋποθέσεις και προσβάσεις JIT/JEA.
• Το εισιτήριο/αίθουσα πολέμου είναι ανοιχτό και περιλαμβάνονται σχολιασμοί.
• Παρατηρησιμότητα: τα απαραίτητα ταμπλό/προειδοποιήσεις είναι ανοικτά.
• Ακολουθώ τα βήματα σε τάξη. μετά από κάθε επαλήθευση.
• Σε περίπτωση παραβίασης των gardrails - άμεση οπισθοδρόμηση και κλιμάκωση.
• Τα αποδεικτικά στοιχεία είναι πλήρη. τελικός έλεγχος SLO/επιχείρησης SLI.
• Κλειστό εισιτήριο, ενημερωμένη σελίδα κατάστασης/κοινότητες.

10) Παραδείγματα SOP (θραύσματα)

10. 1 SOP: Απενεργοποίηση καναρινιών (REL-ROLLBACK-01)

The goal: to return the stable version when the burn-rate is exceeded or the p99 grows.
Scope: checkout-api service (prod, EU).
Roles: Release (R), IC (A in SEV-1), P1 (R), Comms (I).
Preconditions: feature flags are ready; JEA accesses; release-annotations included.
Gates: slo. payment_success, http_p99; quorum synthetic EU/US + RUM.
Steps:
1) Freeze unrelated depleys.
2) rollback to tag v2. 3. 7 (command...) → waiting 5 minutes.
I expect: p99↓, error_rate↓, burn-rate <threshold.
3) Business SLI check (payment success, conversion) 10 min.
4) Remove the suppression of alerts; update release annotation.
Backout: if rollback does not help - escalate to IC, enable degrade-UX, consider failover.
Comms: "Rolled back; metrics stabilize; next update in 15 minutes."
Evidence: before/after screenshots, link to dashboards, command and output.
Completion: 30 min green SLOs; close the ticket; assign an RCA (if SEV-1).
Version: 1. 6 (2025-10-28)

10. 2 SOP: Προγραμματισμένη αναβάθμιση DB (MW-DB-UPGRADE-02)

Purpose: update PostgreSQL minor without data loss.
Area: payments-db (prod EU), 02: 00-04: 00 Europe/Kyiv.
Roles: DB Lead (R), SRE (C), Service Owner (A), Comms (R clients).
Preconditions: OK backups; replica in sync; Test upgrade passed.
Gates: lag≤30s, error_rate<0. 5%, p99 <400ms, SLO green 30m.
Steps:
1) Transfer traffic to canary replica 1%→5%→25%; SLI monitoring.
2) Consistently upgrade secondary nodes → switch over → upgrade of the former primary.
3) Restore replication, check consistency.
Backout: promote stable replica; return writer; rolling back packets.
Comms: T-7/-2 days and T-60/-15 min alert; updates q = 30m during the window.
Evidence: migration logs, checksums, p95/p99 graphs.
Completion: observation 60m without burn; MW report with evidence.
Version: 2. 1 (2025-09-12)

10. 3 SOP: Αλλαγή παρόχου PSP (PROV-PSP-SWITCH-01)

Objective: to maintain payment success_ratio in case of PSP-A degradation.
Trigger: PSP-A red/partial status + success_ratio% ≥2 drop.
Steps:
1) Install weights: PSP-A 30%, PSP-B 70%.
2) Turn on the degrade_payments_ux; enhance retrays (within SLA).
3) Monitor fraud_rate/chargeback-risk 30m.
Backout: Regain weights at green SLI 60m.
Comms: status page (first ≤15m, cadence 30m).

10. 4 SOP: Εφεδρικός έλεγχος ανάκτησης (DATA-BACKUP-RESTORE-CHECK-03)

Objective: weekly verification of recoverability.
Steps: lift from backup in isolation → hash control → consistency requests → report.
Success criterion: time-to-restore ≤ 45 min; 100% integrity.

11) Αυτοματοποίηση γύρω από τις SOP

Πρότυπο SOP: παραγωγή σκελετού με RACI/πύλες/μπλοκ κόμμα.
Bot performer: βήματα με κιβώτια ελέγχου, χρονοδιακόπτες, υπενθυμίσεις cadence, αυτόματη συλλογή αποδεικτικών στοιχείων.
Ενσωμάτωση με CMDB/Catalog - Η υπηρεσία διαθέτει κατάλογο των σχετικών SOP.
Σημειώσεις τηλεμετρίας: «SOP-RUN: <ID> step N» → γρήγορη ανάλυση.
Πολιτικές εισδοχής: Η εγκατάσταση/η θυρίδα ξεκινά μόνο με πράσινες πύλες SOP.

12) Αντι-μοτίβα

SOP χωρίς έλεγχο ιδιοκτήτη/ημερομηνίας - «νεκρό» έγγραφο.
Φουσκωμένες οδηγίες χωρίς κριτήρια επιτυχίας και οπισθοδρόμηση.
Ασυνεπείς εντολές/κλειδιά - κίνδυνος σφαλμάτων και διαρροών.
Διαφορετικές εκδόσεις στο wiki και στο αποθετήριο είναι μια απόκλιση των πηγών της αλήθειας.
Δεν υπάρχουν αποδεικτικά στοιχεία - τίποτα που να επιβεβαιώνει την ποιότητα/συμμόρφωση.
«Ένα SOP για όλες τις περιπτώσεις» - η εκτελεστότητα χάνεται.

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

1. Νεντ. 1: έγκριση προτύπου SOP, γραμμής και καταλόγου· επιλέξτε τα 10 κορυφαία σενάρια.
2. Νεντ. 2: εγγραφή SOP για κυκλοφορίες/rollback/πάροχος/backups. πιλότοι ταμπλέτας.
3. Νεντ. 3: σύνδεση σημειώσεων bot ChatOps και τηλεμετρίας· να συσχετίζει τις καταχωρίσεις με τις SOP.
4. Νεντ. 4: τριμηνιαίο χρονοδιάγραμμα επανεξέτασης· Εισάγετε μετρήσεις ρυθμού νωπότητας/επιτυχίας.
5. Νεντ. 5-6: καλύπτουν το 90% των κρίσιμων λειτουργιών· DR/Security-SOP· αυτοματοποιημένη συλλογή αποδεικτικών στοιχείων.

14) Η ουσία

Η SOP καθιστά τις πράξεις προβλέψιμες και επαληθεύσιμες: ομοιόμορφες πύλες ποιότητας, λεπτομερή βήματα, σαφείς ρόλους και αναστρεψιμότητα. Σε συνδυασμό με τα playbooks, τους πολιτικούς, την SLO και την αυτοματοποίηση, αυτό μετατρέπει τη λειτουργία σε μια αξιόπιστη γραμμή παραγωγής - γρήγορες αντιδράσεις, ελάχιστο κίνδυνο και κατανοητή ευθύνη.