Современные сервисы работают с терабайтами данных и миллионами пользователей на тысячах физических или виртуальных машин. На этапах разработки и тестирования в распределенных приложений, состоящих из сотен микросервисов едва ли получится предусмотреть разнообразие будущих сбоев. Для поддержания работоспособности продуктов нанимают специальные команды и используют средства мониторинга такие как Prometheus, DataDog, AppDynamics. В момент когда сбой все-таки случится, то будет быстро обнаружен, но минимизировать время обнаружения и заэскларивать проблему соответствующей команде. Сбой, который заметен для внешних клиентов, называется инцидентом и доклад посвящен управлению инцидентами с помощью OpsGenie.
Рассмотрим как «разбудить» нужного инженера и правильно оформить отчет. Также разберем возможные сценарии интеграции с Prometheus и Jira, а также “грабли” на которые успели наступить.