Postmortem di un incidente
Analisi strutturata dopo un grave incidente operativo: cosa è successo, perché, come è stato risolto e cosa deve cambiare perché non si ripeta. La pratica moderna insiste sul fatto che sia blameless, cioè centrata sui guasti del sistema e non sulla ricerca di un capro espiatorio.
Contenuto: una cronologia (cosa è accaduto e quando), l'impatto (quante persone coinvolte e per quanto tempo), l'analisi della causa radice (le cause profonde, non solo il sintomo) e, soprattutto, azioni concrete con un responsabile per evitare che accada di nuovo. Il principio blameless è il cuore: se le persone vengono punite per gli errori, nascondono i problemi e non li segnalano, e così non si scoprono mai le vere cause. Si presume che le persone abbiano agito in modo ragionevole rispetto a ciò che sapevano, e che, se l'errore di una sola persona può causare un'interruzione, a dover essere corretto sia il SISTEMA (mancanza di protezioni, progettazione scadente). Diffuso dal libro SRE di Google e da Etsy. Una cultura dell'apprendimento, non della colpa. Strettamente legato a SLO, error budget e runbook. Affine a SLO/SLI e alla riduzione del toil.