Een incidentplan opstellen voor een klein softwareteam

Een incidentplan moet uw team helpen om onderbroken werk ordelijk af te handelen. Kies een belangrijk proces in uw software en beschrijf hoe uitval wordt herkend, wie beslist en welk bewijs nodig is om het gebruik te hervatten.

Het getroffen proces benoemen

In dit fictieve voorbeeld treft incident I-72 een klantenportaal. De startpagina reageert, maar nieuwe aanvragen kunnen niet volledig met een bijlage worden opgeslagen. Aanvraag A-72 en bestand F-72 dienen alleen als testvoorbeeld. Dit is geen hier waargenomen bedrijfsstoring.

In dit geval is alleen de bereikbaarheid van de startpagina geen afsluitcriterium. Het plan benoemt het volledige aanvraagproces, inclusief bestandsopslag, rolcontrole en vervolgwerk. Ook wordt vastgelegd welke wijzigingen tijdens de afhandeling zijn toegestaan.

Een reactiekaart met rollen invullen

Google SRE beschrijft duidelijke rollen, een actuele werkregistratie en bevestigde overdrachten. Kleine teams kunnen meerdere rollen bij één persoon leggen. Het moet wel duidelijk blijven wie coördineert, wie het systeem wijzigt en wie informatie doorgeeft.

De tabel beschrijft geplande stappen, geen uitgevoerd herstel. Wijs een vervanger en een bereikbaar escalatiecontact aan. Het werkdocument moet ook bij uitval van het portaal beschikbaar blijven.

Communicatie als eigen taak plannen

Benoem wie betrokken personen en diensten informeert. Een statusmelding vermeldt de bekende impact, de voortgang en het volgende afgesproken informatiemoment. Een vermoedelijke oorzaak wordt als hypothese aangeduid; een ongefundeerde hersteltijd wordt niet als toezegging doorgegeven.

Bij een personeelswissel tijdens het incident wordt de actuele stand overgedragen en wordt de overname bevestigd. Ook mislukte maatregelen en open controles horen bij de overdracht. Alleen een verstuurd bericht bewijst niet dat de nieuwe coördinator het heeft overgenomen.

Hervatting en vervolgwerk onderscheiden

Voor de hervatting controleert het team het getroffen proces in een geschikte omgeving met de afgesproken testgevallen. Of terugkeer naar een eerdere toestand mogelijk is, hangt ook af van inmiddels gewijzigde gegevens; een herstart alleen bewijst geen herstel.

Leg vast wie de hervatting goedkeurt en welke open taken verder worden gevolgd. De latere oorzaakanalyse kan het plan verbeteren, maar hoeft niet gelijkgesteld te worden aan de eerste stabilisatie. Oefen de kaart met een goedgekeurd scenario en vul ontbrekende contactgegevens, toegang of controles aan.

Bronnen

• Google SRE: Managing Incidents