अभी पेजर बजा है और प्रोडक्शन खराब चल रहा है। अपने पहले पंद्रह मिनट बताइए।

page को acknowledge करें, यूज़र पर असर पक्का करें, और साफ owner तथा एक communication channel के साथ incident घोषित करें। फिर diagnose करने से पहले खून बहना रोकें: देखें कि हाल में क्या बदला और अगर टाइमलाइन बैठती है तो संदिग्ध को rollback या बंद कर दें। channel में कामों की चलती हुई टाइमलाइन रखें, stakeholders को तय अंतराल पर बताते रहें, और root cause analysis तभी शुरू करें जब असर काबू में हो।

पहले मैं page acknowledge करता हूं ताकि कोई और वही काम दोहराए नहीं, फिर देखता हूं कि यूज़र सच में प्रभावित हैं या नहीं, क्योंकि alert बजना और ग्राहक को तकलीफ होना हमेशा एक बात नहीं होती। अगर असली है तो मैं incident घोषित करता हूं, incident commander खुद बनता हूं या साफ शब्दों में किसी और को सौंपता हूं, और एक channel खोलता हूं ताकि टाइमलाइन के लिए एक ही जगह हो। फिर diagnosis से पहले mitigation। सबसे ज़्यादा फल देने वाला अकेला सवाल यह है कि क्या बदला, तो मैं पिछले कुछ घंटों के deploys, feature flags और इंफ्रास्ट्रक्चर बदलाव देखता हूं, और अगर कुछ भी असर की शुरुआत से मेल खाता है तो उसे rollback कर देता हूं या flag बंद कर देता हूं। लोगों को तकलीफ देना रोकने के लिए मुझे bug समझने की ज़रूरत नहीं। इस बीच मैं तय लय पर अपडेट डालता रहता हूं, करीब हर पंद्रह या बीस मिनट पर, तब भी जब अपडेट यही हो कि हम अब भी देख रहे हैं, क्योंकि चुप्पी लोगों को अलग अलग आकर पूछने पर मजबूर करती है। मैं साथ के साथ timestamps के साथ कामों के नोट लिखता जाता हूं, कुछ postmortem के लिए और कुछ इसलिए कि जो बाद में जुड़े वह बिना टोके पकड़ सके।