OPS10-BP01 使用程序進行事件、事故和問題管理
您的組織具有處理事件、事故和問題的程序。事件 是發生於工作負載、但可能無需由您介入的事項。事故 是需要介入的事件。 問題 是重複發生而需要介入或無法解決的事件。您需要相關程序來減輕這些事件對業務的影響，並確保您能夠適當因應。
當工作負載發生事故和問題時，您需要有相關程序來加以處理。您如何讓利害關係人得知事件的狀態？ 應變由誰監控？ 您使用哪些工具來減輕事件的影響? 在此舉例說明一些您為了獲得可靠的應變程序而有待解答的問題。
程序必須集中記載，並且提供給涉及工作負載的每個人使用。如果您沒有集中的 Wiki 或文件存放區，可以使用版本控制儲存庫。您將隨著程序的演進而保有最新計劃。
問題是可以自動化的。這些事件佔據的時間會影響到您的創新能力。請開始建置可重複的程序，以減輕問題。經過一段時間後，您將著重於緩解措施的自動化或修正基礎問題。如此您即有時間投入於工作負載的改進。
預期成果： 您的組織具有處理事件、事故和問題的程序。這些程序會集中記載並存放。這些文件會隨著程序的變更而更新。
常見的反模式：
-
週末發生了事故，而值班工程師不知該如何處理。
-
客戶傳送電子郵件給您，指出應用程式已關閉。您將伺服器重新開機，試著修正問題。此狀況頻繁地發生。
-
有一項事故讓多個團隊各自獨立試著加以解決。
-
您的工作負載中發生了部署，但並未記錄。
建立此最佳實務的優勢：
-
您的工作負載中有事件的稽核軌跡。
-
您的事故中復原的時間減少了。
-
團隊成員可用一致的方式解決事故和問題。
-
調查事故的人力會更加整合。
未建立此最佳實務時的曝險等級： 高
實作指引
實作此最佳實務，意味著您會追蹤工作負載事件。您具有處理事故和問題的程序。這些程序會經常記載、共用及更新。問題經識別後會定出優先順序，然後獲得修正。
客戶範例
AnyCompany Retail 有某部分的內部 Wiki 專門用來處理事件、事故和問題管理。所有事件都會傳送至 Amazon EventBridge。問題會在 AWS Systems Manager OpsCenter 中識別為 OpsItems，並定出修正的優先順序，以減少無特殊專長人力。程序變更後，會隨即在其內部 Wiki 中更新。他們使用 AWS Systems Manager Incident Manager 來管理事故及協調緩解工作。
實作步驟
-
事件
-
追蹤發生在工作負載中的事件，即使無需人為介入亦然。
-
與工作負載利害關係人共同擬定應追蹤的事件清單。範例包括已完成的部署或成功的修補。
-
您可以使用諸如 Amazon EventBridge 或者 Amazon Simple Notification Service 等服務來產生要追蹤的自訂事件。
-
-
事故
-
首先請定義事故的溝通計劃。哪些利害關係人必須獲得通知？ 您如何維繫其參與度? 協調工作由誰監控？ 我們建議建立內部交談管道，以利溝通和協調。
-
為支援工作負載的團隊定義呈報路徑，尤其是團隊未設置當班輪值時。根據您的支援等級，您也可以向 AWS Support 申請立案。
-
建立用來調查事件的程序手冊。其中應包含溝通計劃和詳細的調查步驟。在您的調查中納入對 AWS Health Dashboard 的檢查。
-
記載您的事故應變計劃。傳達事故管理計劃，讓內部與外部客戶都了解互動的規則及其應有的預期。對您的團隊成員進行其使用訓練。
-
客戶可使用 Incident Manager 來設定及管理其事故應變計劃。
-
Enterprise Support 客戶可以要求 事件管理研討會
(透過其技術客戶經理)。這個指導研討會將測試您現有的事故應變計劃，並協助您識別改善的領域。
-
-
問題
-
問題必須在 ITSM 系統中受到識別及追蹤。
-
識別所有已知問題，並按照修正的工作量以及對工作負載的影響定出優先順序。
-
先解決高影響、低工作量的問題。這些問題解決後，再接著解決位於低影響、低工作量象限的問題。
-
您可以使用 Systems Manager OpsCenter 來識別這些問題、將執行手冊連結至問題，並加以追蹤。
-
實作計劃的工作量： 中。必須同時具備程序和工具，才能實作此最佳實務。記載您的程序，並且讓工作負載的任何相關人員都可加以使用。經常加以更新。您具有管理問題和加以緩解或修正的程序。
資源
相關的最佳實務：
-
OPS07-BP03 使用執行手冊執行程序：已知問題需要相關聯的執行手冊，讓緩解工作保有一致性。
-
OPS07-BP04 使用程序手冊來調查問題：事件需使用程序手冊來調查。
-
OPS11-BP02 執行事故後分析：從事故復原後務必要執行事後檢討。
相關文件：
相關影片：
相關範例：
相關服務：
