Es übernimmt den Untersuchungsteil der Vorfallreaktion, bevor ein Ingenieur es tun muss. Nicht die Art von "hier ist ein Dashboard mit mehr Daten". Die eigentliche Untersuchung. Protokolle korrelieren, Ereignisse überprüfen, Ressourcenstatus ansehen, herausfinden, was sich geändert hat. Das, was mir am wichtigsten ist: Wenn der Bereitschaftsingenieur um 3 Uhr morgens alarmiert wird, ist die Ursachenanalyse bereits vorhanden. Sie beginnen nicht von vorne, halb schlafend, und klicken sich durch vier verschiedene Tools, um zu rekonstruieren, was passiert ist. Die Untersuchung fand in weniger als zwei Minuten statt. Die Aufgabe des Ingenieurs besteht darin, zu verifizieren und zu handeln, nicht zu suchen. Es sitzt auf der Überwachung, die wir bereits haben. Prometheus, Datadog, CloudWatch. Es ersetzt nichts und verlangt nicht, dass man etwas herausreißt, das funktioniert. Ein Alarm wird ausgelöst, OpsWorker nimmt ihn auf, untersucht und legt das Ergebnis in Slack ab. Die Integration war der am wenigsten interessante Teil der Einrichtung, was genau so sein sollte. Der Teil, den ich wirklich nicht erwartet habe: Es bringt Korrelationen ans Licht, die ich schließlich manuell gefunden hätte, aber es hätte mich 30-40 Minuten gekostet, sie zusammenzusetzen. Gleiche Informationen, unterschiedliche Geschwindigkeit. Das verändert, wie sich Bereitschaftsdienst anfühlt.