SRE · INCIDENTES · RUNBOOK
Checklist de incidentes para times pequenos
Um checklist direto para organizar triagem, papéis, comunicação, mitigação e acompanhamento de incidentes em equipes enxutas.
Antes do incidente
Um checklist funciona melhor quando contatos, acessos e canais já foram definidos. O time não precisa de um processo pesado, mas deve saber onde registrar o incidente e quem pode tomar decisões operacionais.
- Defina um canal e um registro principal para cada incidente.
- Mantenha contatos, acessos e dependências críticas revisados.
- Liste formas seguras de interromper, reverter ou isolar mudanças.
- Prepare modelos curtos para atualização interna e externa.
Nos primeiros minutos
Confirme o sintoma e delimite o impacto sem buscar imediatamente uma causa definitiva. Registre horário, serviços afetados, usuários ou operações impactadas e mudanças recentes conhecidas.
- Abra o registro e atribua um identificador ao incidente.
- Nomeie uma pessoa para coordenar e outra para investigar, se houver equipe disponível.
- Defina a próxima atualização e quem precisa recebê-la.
- Preserve logs, traces e evidências antes de reiniciar componentes.
Durante a resposta
Separar coordenação de investigação reduz decisões concorrentes. Em um time muito pequeno, uma pessoa pode acumular papéis, mas deve deixar claro quando está decidindo, executando ou comunicando.
Priorize mitigação do impacto. A investigação profunda pode continuar depois que o serviço estiver em condição aceitável, desde que evidências tenham sido preservadas.
- Registre hipótese, ação, responsável, horário e resultado.
- Evite múltiplas mudanças simultâneas sem coordenação.
- Reavalie impacto e risco antes de cada ação destrutiva.
- Comunique fatos confirmados, impacto e próximo horário de atualização.
Ao estabilizar
Estabilização não significa encerramento imediato. Confirme indicadores, fluxos críticos e filas acumuladas. Monitore por um período compatível com o comportamento do sistema e registre quaisquer limitações temporárias.
- Valide o serviço pela perspectiva técnica e do usuário.
- Confirme processamento atrasado, integridade de dados e dependências.
- Documente a mitigação aplicada e condições para revertê-la.
- Informe encerramento e impactos ainda em acompanhamento.
Depois do incidente
Revise a linha do tempo com foco no sistema e nas decisões, não em culpa individual. Diferencie causa técnica, fatores contribuintes e lacunas de detecção ou resposta.
Ações posteriores precisam de responsável, prioridade e critério de conclusão. Limite a lista ao que realmente reduz recorrência, impacto ou tempo de resposta; uma lista extensa sem acompanhamento não melhora a operação.