读书笔记（SRE：Google运维解密）：第11章 on-call轮值

• 作为生产系统的监管者，on-call工程师负责处理生产环境中即将或者正在发生的业务事故，以及评审对生产系统的变更请求。
   
• 紧急事件（incident）的定义是：一系列根本原因一致或者相关的事件和报警信息，这些事件应该在同一个事后报告中讨论
   
• 现代理论研究指出，在面临挑战时，一个人会主动或非主动（潜意识）地选择下列两种处理方法之一：
  （a）依赖直觉，自动化、快速行动。
  （b）理性、专注、有意识地进行认知类活动。
   
• 在应急事件处理过程中，最理想的方法论是这样的：在有足够数据支撑的时候按步骤解决问题，同时不停地审视和验证目前所有的假设。
   
• 让on-call SRE知道他们可以寻求外部帮助，对减轻on-call压力也很有帮助。最重要的资源有：
  （a）清晰的问题升级路线。
  （b）清晰定义的应急事件处理步骤。
  （c）无指责，对事不对人的文化氛围
   
• 虽然给一个非常安静的系统on-call值班是很幸福的事情，但是当一个系统太稳定，或者SRE on-call的周期太长会发生什么呢？SRE团队运维压力不够也是一个不良现象。长时间不操作生产环境会导致自信心问题，包括自信心太强以及自信心不够。这些现象只有在下一次发生问题时，才会显现出来。