Аналоговая «зала ожидания» инцидентов на вокзале

Проектируем спокойные проверки надёжности между онколл‑штормами

Вступление: тихая тревога онколл‑«залы ожидания»

Дежурство по онколлу часто ощущается не как героическое тушение пожара, а как сидение в почти пустом вокзале поздно ночью.

Ничего не происходит. Нет поездов. Табло молчит.

Вы делаете вид, что читаете метафорические журналы — Slack, дашборды, почту, логи — пока фоном гудит лёгкая тревога: «Когда придёт следующий шторм?»

Многие инженеры по надёжности и платформе живут в таком ритме: вспышки интенсивных инцидентов, за которыми следуют обманчиво спокойные затишья. Эти затишья могут быть одинокими и невидимыми. От вас ждут, что вы будете «в порядке», «продуктивно» использовать простои, сохранять форму — но почти никто по‑настоящему не спрашивает, как вы.

Здесь мы разбираем, как осознанно спроектировать эти тихие периоды как некую аналоговую вокзальную залу ожидания для работы над надёжностью — структурированные, регулярные чек‑ины, которые:

• Медленные вместо суетливых
• Совместные вместо одиноких
• С приоритетом эмпатии, а не только метрик
• Пошаговые вместо героических

Цель — превратить время между инцидентами в практику медленной надёжности, чтобы команда становилась более готовой, более устойчивой и меньше выгоревшей ещё до того, как придёт следующий шторм.

Онколл как эмоциональная погода: называем реальность

Прежде чем что‑то придумывать, важно назвать эмоциональный ландшафт.

Для многих инженеров онколл — это:

• Изоляция — вы держите пейджер в 2 часа ночи, пока остальные спят.
• Невидимость — если ничего не ломается, ваша работа — это «ничего не случилось», а такое редко кто ценит.
• Перформанс — вы должны выглядеть спокойным и компетентным, даже если внутри молча ждёте следующий алерт.
• Накопление — каждый инцидент добавляет стресс в копилку, которая почти никогда не разгружается.

Это значит, что тихие дни — это не чистый «отдых». Чаще это напряжённое ожидание:

«Я вроде как должен догонять проекты и писать доки, но мысленно всё время наготове к инциденту, который может случиться, а может и нет.»

Если игнорировать эту реальность, практики надёжности смещаются к тому, что:

• О людях заботятся только во время инцидента
• О системе говорят только после того, как что‑то сломалось
• Затишья считаются неструктурированным, неосознанным «фоном»

Вместо этого можно использовать метафору залы ожидания, чтобы превратить затишье в намеренно спроектированное пространство для чекапов — и технических, и человеческих.

Вокзальная зала ожидания как метафора дизайна

Представьте себе физическую вокзальную залу ожидания:

• Есть разные зоны: тихие уголки, стойки информации, зоны ожидания.
• Есть ритуалы: свериться с расписанием, глянуть на табло, купить перекус, размять ноги.
• Есть фоновая осознанность: голос объявлений, присутствие других пассажиров, ощущение общего пути.

Теперь перенесите это в свою практику надёжности между инцидентами.

«Зала ожидания» вашей организации может выглядеть как:

• Регулярный кросс‑функциональный чек‑ин
• Набор лёгких офлайновых подсказок и заметок
• Несколько микро‑ритуалов, встроенных в обычную работу (конец дня, конец недели)

Главное — относиться к этому как к среде, которую вы проектируете, а не к случайным «дырам в календаре».

Проектируем проверки надёжности как ритуалы в зале ожидания

Сделайте структурированный, регулярный ритуал, который проходит даже когда ничего не горит. Считайте это запланированным визитом в залу ожидания.

Идеи по частоте:

• Раз в неделю — для сред с высокой скоростью изменений и частыми инцидентами
• Раз в две недели или раз в месяц — для более стабильных систем

Участники:

• Онколл‑инженеры (предыдущая, текущая и следующая ротации)
• SRE / platform / infra‑инженеры
• Продакт‑оунеры / EM’ы ключевых сервисов
• Опционально: поддержка, customer success, incident manager

Простой шаблон повестки

1. Открывающий чек‑ин (5–10 минут)

   • «Прогноз погоды одним словом»: «Какая у вас внутренняя погода?» (например, солнечно, туманно, штормит)
   • Короткий круг: «Одно предложение о том, как чувствовался онколл на этой неделе.»

2. Снимок здоровья системы (10–15 минут)

   • Ключевые метрики: error rate, latency, availability, основные SLO
   • Недавние near miss’ы или шумные алерты
   • Замеченные риски или странные паттерны

3. Обсуждение рисков и готовности (15–20 минут)

   • «Если инцидент случится сегодня ночью, из‑за чего он, скорее всего, произойдёт?»
   • «Какой компонент системы меньше всего хочется видеть в алерте сейчас?»
   • «Что показалось хрупким или запутанным в прошлой ротации?»

4. Конкретные улучшения доступности (10–15 минут)

   • Выберите 1–3 маленьких, конкретных изменения (не гигантские проекты):
     • Подкрутить или удалить шумный алерт
     • Добавить недостающий блок на дашборд
     • Улучшить один шаг в runbook’е
     • Добавить тест на известный edge case

5. Закрывающая рефлексия и признание (5 минут)

   • «Что мы сделали на этой неделе такого, за что будущие мы скажут нам спасибо?»
   • Явно поблагодарить текущих и следующих онколл‑инженеров

Задача не в том, чтобы нагенерировать огромный backlog, а в том, чтобы переводить тревогу в маленькие, устойчивые действия.

Сначала эмпатия: безопасно не быть «нормальным»

Чтобы эти чек‑ины работали, они должны быть эмоционально безопасным пространством, а не ещё одним стендапом с графиками.

Несколько принципов дизайна:

• Чувства — это данные. Относитесь к стрессу, страху и растерянности как к полноценному входу в планирование надёжности.
• Без культа героев. Не возвышайте истории вроде «я пережил 20 пейджей за выходные». Нормализуйте нежелание повторять такое.
• Сначала психологическая безопасность. Чётко проговорите, что усталость, страх или неуверенность не наказываются.
• Уязвимость лидеров. Менеджеры и синьор‑инженеры должны показывать пример честности: «Я устал(а)», «Меня беспокоит X.»

Можно добавить простые вопросы:

• «Что в онколле вас тихо пугает?»
• «В какой части инцидента вы чувствуете себя наименее готовыми?»
• «Что сделало бы следующую ротацию ощутимо более безопасной для вас?»

Фиксируйте эти тревоги. Относитесь к ним как к части работы по надёжности, а не к «мягким» разговорам на полях.

Офлайновые инструменты и микро‑ритуалы

Не всё требует встречи. Многие инсайты про надёжность и выгорание всплывают в маленьких промежутках: перед сном, после тяжёлой смены, по дороге домой.

Спроектируйте удобные офлайновые инструменты, чтобы люди могли ловить эти мимолётные мысли.

Простые инструменты

• Карманный блокнот или заметка в телефоне с названием «On‑Call Waiting Room»
• Распечатанные карточки с вопросами у рабочих мест или в ops‑папке
• Короткие регулярные формы (например, еженедельный опрос из 3 вопросов)

Подсказки для микро‑ритуалов

Подсказки должны занимать 30–90 секунд:

• Конец смены:
  • «Что сегодня показалось особенно хрупким?»
  • «Что сегодня реально сэкономило вам время или силы?»
• После алерта (даже мелкого):
  • «Что вызывало замешательство дольше двух минут?»
  • «Рассказывали ли алерты внятную историю?»
• Перед ротацией:
  • «Что вы хотели бы освежить перед онколлом (но обычно не успеваете)?»

Эти заметки не обязаны быть красивыми. Их задача — подпитывать будущие сессии в зале ожидания, давать живые человеческие данные, помимо графиков.

Медленная надёжность: превращаем затишья в практику

У большинства компаний работа над надёжностью идёт реактивно: постмортемы, RCA и большие инициативы после серьёзных аварий.

Медленная надёжность — это другое. Это про:

• Маленькие, повторяемые улучшения между событиями
• Постоянную готовность, а не только реакцию в кризис
• Совместное укрепление людей и систем

Примеры привычек медленной надёжности:

• Каждая сессия в зале ожидания заканчивается одним изменением, которое уедет в прод в течение недели.
• Каждая онколл‑ротация включает одно улучшение документации или runbook’а.
• Каждый квартал выбирайте один высоко‑тревожный сценарий (например, отказ целого региона) и проигрывайте его в формате спокойного game day.

Со временем такие привычки:

• Снижают фактор неожиданности во время инцидентов
• Уменьшают когнитивную нагрузку на онколл
• Формируют культуру, где надёжность — это постоянное ремесло, а не истеричный отклик на аварию

Тематические комнаты в вашей зале ожидания

Вокзальная зала ожидания — это не один стул, а набор пространств для разных потребностей. То же самое можно сделать в практике надёжности, задав несколько тематических режимов.

1. Комната рефлексии

Фокус: спокойно смотрим назад.

• Разбор недавних алертов и near miss’ов
• Сбор анонимных или приватных отзывов по прошлой ротации
• Вопрос: «Что мы узнали о себе и о системе?»

2. Комната планирования

Фокус: смотрим вперёд с намерением.

• Определить топ‑1–3 риска по надёжности
• Выбрать небольшие, реалистичные улучшения
• Договориться, кто что сделает до следующего чек‑ина

3. Комната дебрифа

Фокус: переварить инциденты — даже небольшие.

• Короткие, безобвинительные разборы любого заметного инцидента
• Фиксация и технического, и эмоционального воздействия
• Вопрос: «Что нуждается в дополнительной поддержке — код, доки или люди?»

4. Комната эмоционального чек‑ина

Фокус: заботимся о людях.

• Разговор о нагрузке онколла, сне, раздражении, страхе или гордости
• Нормализация фраз «это слишком много» или «мне нужен перерыв»
• Перенос инсайтов в улучшения ротаций, резервного дежурства и стратега по найму

Не нужно четыре отдельных митапа. Это режимы, которые можно вплетать в один регулярный слот или чередовать по неделям.

Заключение: проектируем спокойствие перед следующим штормом

Онколл всегда будет со штормами: ночные алерты, каскадные отказы, неожиданные edge case’ы. Мы много инвестируем в инструменты и runbook’и на эти моменты — и это правильно.

Но именно тишь между ними формирует культуру и наращивает устойчивость.

Относясь к этому времени как к спроектированной вокзальной зале ожидания — с:

• Структурированными, регулярными чек‑инами по надёжности
• Разговорами об усталости и выгорании, где в приоритете эмпатия
• Офлайновыми инструментами и микро‑ритуалами
• Тематическими режимами для рефлексии, планирования, дебрифа и заботы о состоянии

— вы превращаете тревожное ожидание в намеренную практику.

Системы становятся надёжнее. Люди — менее одинокими. И в следующий раз, когда поднимется шторм, вы будете не просто надеяться, что поезда поедут вовремя — вы всё это время тихо укрепляли рельсы.