Come creare un runbook di risposta agli incidenti che funziona davvero sotto pressione
La maggior parte dei runbook è obsoleta il giorno dopo essere stata scritta. Ecco come crearne uno che regga quando i server vanno in fiamme.
Il problema dei runbook
Ogni team di ingegneria ha un runbook. La maggior parte sono sbagliati.
Non sbagliati in senso teorico — sbagliati in senso di crisi. Quando un incidente colpisce alle 2 di notte e un ingegnere on-call deve agire in pochi secondi, il runbook è troppo vago, troppo obsoleto o troppo lungo da scansionare.
Perché i runbook falliscono
Troppa prosa, pochi passi. Un runbook scritto come documentazione è inutile in un incidente.
Trigger di escalation mancanti. I buoni runbook definiscono non solo cosa fare, ma quando escalare.
Nessun percorso di rollback. Ogni azione ha bisogno di un corrispondente passo di "annulla".
Non mantenuto dopo gli incidenti. Il momento migliore per aggiornare un runbook è immediatamente dopo un incidente.
L'anatomia di un runbook efficace
- Classificazione degli incidenti — livelli di gravità con soglie concrete
- Rilevamento e notifica — chi viene contattato, su quale canale
- Passi di diagnosi iniziale — primi controlli standardizzati
- Playbook per tipo di incidente — passi numerati con rollback
- Modelli di comunicazione — aggiornamenti pagina di stato pre-scritti
- Trigger post-incidente — post-mortem senza colpa entro 24h
Usare Reloadium Incident Response per incidenti live
I runbook coprono le risposte pianificate. Reloadium Incident Response gestisce quelle non pianificate — con diagnosi guidata dall'IA e bozze di comunicazione strutturate.