Инциденты — это всегда стресс, который кто-то должен принимать на себя. Доступность Яндекс Такси в продакшене 99.99%, а каждая секунда инцидента уменьшает эту цифру.

Аптайм — это функция от количества инцидентов, времени их починки и влияния на пользователей. При этом время инцидента зависит от основных действий по поиску и устранению проблемы, и вспомогательных процессов по уведомлению ответственных, сбору их в едином пространстве, быстрому добавлению новых людей, а ещё общению с поддержкой и PR. Раскажу о том, как мы избавляемся от стресса во время инцидентов, учимся восстанавливать сервис в безопасных условиях, какие инструменты позволяют сэкономить время в критической ситуации и откуда берутся новые координаторы — люди, благодаря которым мы сокращаем метрики MTTR, MTTRC, MTTM.