Tier 2 から Tier 1 への移行パス
Tier 2 から Tier 1 への移行パス
すでに実質的な運用責任を担っているチームにページャーを引き渡すための、再現可能な計画です。
前提
Production Engineering は、チームにどのアクセス権が必要なのかを完全には把握しておらず、チーム自身も把握していない可能性があります。推測すべきではありません。実際には、すでに Tier 2 へのエスカレーションを通じてこうしたインシデントに対応しているため、チームには必要なものが揃っていると想定します。変わるのは、最初にページを受ける相手だけです。必要なアクセス権が判明したら、それを付与するための簡単なフィードバックループがあります。
ページャーの切り替えとは、Tier 1 の SRE オンコールエンジニア（EOC）がページを受け、必要に応じてチームへエスカレーションする代わりに、チームが直接ページを受け、SRE の支援が必要な場合に EOC へエスカレーションすることを意味します。チームがページに応答できない場合や、カバレッジに空きがある場合は、常に EOC がフォールバックになります。
シンプルに進めます。
アクセス権のフィードバックループ
インシデント対応中に、チームにはできず EOC にはできることが発生した場合は、次のように対応します。
- EOC をページングします。
- 共同でインシデントを解決します。
- インシデント後に、チームは次の是正措置を開始します。
- 不足しているアクセス権をチームに付与するため、アクセスリクエストを作成します。
- そのアクセス権をチームの基本エンタイトルメントやオンボーディングに追加します。
- 関連するランブックを更新するか、チーム自身が使用する新しいランブックを作成します。
ロールアウト
各段階がおよそ 1 週間の、3 段階です。
第 1 週 — 可視化。 アラートがチームのチャンネルへの投稿を開始します。これにより、チームがいつページを受けることになるかが分かり、ページを受ける前にインシデントへ自発的に参加できます。同時に、チームは Incident Lead になることの意味を確認します（読み物のチェックリストが提供されます）。誰でもインシデントを指揮できます。S1/S2 では Incident Manager (IMOC)、S3/S4 では通常、ページを受けた人が担当します。
第 2 週 — 二重ページング。 これらのアラートでは、チームと EOC の両方が同時にページを受けます。
第 3 週 — オーナーシップ。 EOC へのページングを停止します。エスカレーションパスでは、EOC がフォールバックになります。チームが 5 分以内に確認応答しなかった場合に限り、EOC をページングします。チームは実質的にオンコールになります。スケジュールに空きがある場合も、5 分の遅延なしで直接 EOC へルーティングします。これにより、24x7 の完全なカバレッジが整うまで待たずに、チームがオンコールを開始できます。
タイムライン
ロールアウトは期限ではなく道筋として扱います。アラートの発生頻度が低く、判断材料が十分に得られない場合や、次へ進む前に対処が必要な実際の不足が見つかった場合は、どの段階も延長できます。
この計画の位置づけ
これは、すべてのチームがすぐにオンコールを開始できるようにする、最終的な DevOps イネーブルメントプロセスではありません。すでに Tier 2 の責任を担っているチーム向けの迅速な移行パスです。この計画を実行するたびにアクセス権の不足やエッジケースが明らかになり、それらが最終的に、より完全なイネーブルメントプロセスの形成につながります。
a1f3c26a)