Triagem SEV
Gravidade é uma decisão de acionamento, não um medidor de sentimentos. Atribua a SEV mais alta que qualquer sinal isolado justificar, depois rebaixe apenas com evidências.
Definições de Gravidade
- SEV1 - Impacto na receita ou perda total de serviço. Mais de 5% dos usuários não conseguem concluir um fluxo crítico. Possibilidade de perda de dados ou violação. Acionar IC + líder de engenharia + executivo de plantão imediatamente.
- SEV2 - Degradação significativa. Funcionalidade principal quebrada para um subconjunto, taxa de erro elevada acima do limite de violação do SLO, ou existe uma solução alternativa, mas é inaceitável a longo prazo. Acionar IC + equipe de plantão em até 5 minutos.
- SEV3 - Degradação parcial ou menor. Funcionalidade não crítica afetada, SLO ainda dentro do orçamento, sem escalações de clientes ainda. Ticket criado, equipe notificada de forma assíncrona, correção antes do próximo dia útil.
- SEV4 - Cosmético ou caso extremo. Sem impacto ao usuário, detectado proativamente. Apenas ticket.
Lista de Verificação de Sinais
Responda a estas perguntas para determinar uma SEV. O primeiro 'sim' que corresponder vence.
- Um fluxo de pagamento, autenticação ou integridade de dados está quebrado para algum usuário? -> Candidato a SEV1.
- A taxa de erro está acima do limite do seu SLO nos últimos 10 minutos? -> SEV2 no mínimo.
- Múltiplas regiões ou zonas de disponibilidade estão afetadas? -> Escalone um nível.
- Há risco ativo de exfiltração ou corrupção de dados? -> SEV1 independentemente do número de usuários.
- Um único endpoint não crítico está lento, mas o restante está saudável? -> SEV3.
Multiplicadores de Escopo
- Raio de explosão: estime a porcentagem de usuários afetados. Abaixo de 1% raramente justifica SEV1, a menos que o 1% sejam clientes pagantes ou o risco de dados seja grave.
- Taxa de crescimento: o impacto está se espalhando? Uma SEV3 que dobra a cada 10 minutos é uma SEV2.
- Atraso de detecção: se o problema começou há mais de 30 minutos sem ser detectado, assuma que o raio de explosão é maior do que os sinais atuais mostram.
Quem Acionar
- SEV1: IC (comandante de incidente), proprietário do serviço, SRE de plantão e líder de engenharia. Abra uma sala de guerra imediatamente.
- SEV2: IC e proprietário do serviço de plantão. Convide outros conforme necessário.
- SEV3: Equipe de serviço de plantão de forma assíncrona. Sem sala de guerra.
- SEV4: Ticket, sem acionamento.
Exemplo prático: tomando a decisão
Ruim: "O checkout parece estar quebrado para alguns usuários. Parece uma SEV3 - vou investigar a causa primeiro e acionar alguém se for sério."
Bom: "Taxa de erro do checkout em 12% nos últimos 15 minutos (limite do SLO: 1%). Fluxo de pagamento quebrado -> sinal 1 -> SEV1. Acionados IC, proprietário do serviço e SRE de plantão às 14:32; sala de guerra aberta. Estimativa de raio de explosão: ~12% das tentativas de checkout, crescimento incerto. Causa desconhecida - irrelevante para a SEV. Re-classificação às 15:00."
A versão ruim inverte a ordem (causa antes da gravidade), hesita sobre um fluxo de pagamento quebrado e atrasa o acionamento. A versão boa cita o sinal que definiu o nível, aciona imediatamente, registra o raio de explosão e agenda a re-classificação - tudo antes de alguém saber por que quebrou.
Entregável
Produza um registro de triagem - postado no canal do incidente ou ticket - contendo: a SEV atribuída, uma justificativa de uma linha nomeando o sinal da lista de verificação que a definiu, a estimativa do raio de explosão (porcentagem de usuários ou solicitações), quem foi acionado e quando, e o horário programado para re-classificação. O registro é o que permite que o próximo respondedor confie no nível em vez de re-derivá-lo.
Padrão de qualidade
- A SEV foi atribuída com base em sinais de impacto antes de qualquer investigação de causa raiz começar.
- A justificativa nomeia um sinal específico da lista de verificação, não uma intuição.
- O acionamento ocorreu na atribuição, não após confirmação - uma potencial SEV1 aciona com um único ponto de dados.
- Um horário de re-classificação é definido (a cada 30 minutos) e o nível se move com as evidências, tanto para cima quanto para baixo.
Faça / Não Faça
- Faça: atribua SEV antes de investigar a causa raiz. A gravidade é sobre o impacto agora, não a causa.
- Faça: re-classifique a cada 30 minutos. Uma SEV2 resolvida é uma SEV4; uma SEV3 se espalhando é uma SEV1.
- Não faça: subestimar a SEV para evitar acordar pessoas. Falsos SEV1s são mais baratos do que SEVs perdidas.
- Não faça: esperar por um segundo ponto de dados antes de acionar em uma potencial SEV1.