Дежурство — это не пожар, который нужно гасить, а режим, который нужно освоить.
Инженер, который боится нажать кнопку restart, никогда не выспается. Надежность начинается с автоматизации рутинных проверок: скрипты, которые до проверки человека пробуют перезапустить сервисы, пинг ключевых эндпоинтов и очистку кэшей. Если сработало — отлично, человеку не нужно просыпаться. Если нет — тогда и только тогда вызывайте команду.
Во время on-call держите рутину минимальной: заблокируйте уведомления от ненужных приложений, задайте жесткий таймер паузы между проверками и имейте при руке протокол rollback. Откат — это не признак поражения, это защита от piora, которое может удержать вас часами.
Главное правило: спать можно, если вы знаете, что rollback применим за 5 минут. Если схема восстановления сложнее — это баг в процессе, а не недостаток ваших сил. Напишите это в runbook и купите себе спокойный сон.
