Che cos'è la gestione degli imprevisti?

La gestione degli imprevisti è un processo usato dai team DevOps che consente di rispondere agli eventi non pianificati o alle interruzioni del servizio allo scopo di ripristinarne il funzionamento.

Noi di Atlassian definiamo un imprevisto come un evento che causa un'interruzione o una riduzione della qualità di un servizio e che richiede una risposta di emergenza. I team che seguono le prassi ITIL o ITSM potrebbero invece usare il termine imprevisto grave per definire un tale evento.

Incidents are events of any kind that disrupt or reduce the quality of service (or threaten to do so). A business application going down is an incident. A crawling-but-not-yet-dead web server can be an incident, too. It’s running slowly and interfering with productivity. Worse yet, it poses the even-greater risk of complete failure. Incidents can vary widely in severity, ranging from an entire global web service crashing to a small number of users having intermittent errors. An incident is resolved when the affected service resumes functioning in its intended state. This includes only those tasks required to mitigate impact and restore functionality.

La gestione degli imprevisti è uno dei processi più importanti di un'organizzazione. Le interruzioni del servizio possono essere costose per l'azienda e i team devono poter contare su un modo efficiente per rispondere ai problemi e risolverli tempestivamente. I team hanno bisogno di un metodo affidabile per definire le priorità degli imprevisti, risolverli più rapidamente e offrire un servizio migliore agli utenti.

Di fronte a un imprevisto, i team devono disporre di un piano che li aiuti a:

• Rispondere con efficacia per riprendersi rapidamente.
• Comunicare in modo chiaro con clienti, stakeholder, responsabili del servizio e altre figure dell'organizzazione.
• Collaborare in modo efficace per risolvere il problema più velocemente come un unico team e rimuovere gli ostacoli che impediscono la risoluzione del problema.
• Migliorare costantemente per apprendere dalle interruzioni e applicare le lezioni per rafforzare un servizio e perfezionare il processo per il futuro.

Tipi di azienda diversi tendono a preferire tipi di processi di gestione degli imprevisti diversi. Non esiste un processo perfetto per tutte le aziende, pertanto è normale osservare approcci differenti tra aziende diverse.

Molti team si affidano a un processo di gestione degli imprevisti più tradizionale, basato sull'IT, come quelli descritti nelle certificazioni ITIL. Altri team propendono per un processo di tipo Site Reliability Engineer (SRE) o DevOps.

Un processo di gestione degli imprevisti aiuta i team IT a esaminare, registrare e risolvere le interruzioni del servizio. Il flusso di lavoro di gestione degli imprevisti ITIL ha l'obiettivo di ridurre il tempo di inattività e di limitare il più possibile l'impatto degli imprevisti sulla produttività dei dipendenti. Grazie all'uso di modelli progettati per gestire gli imprevisti, è possibile creare un flusso di lavoro di gestione degli imprevisti ripetibile. Ciò consente ai team di registrare, analizzare e risolvere gli imprevisti, nonché di conservare un registro delle proprie attività.

Il framework ITIL è utilizzato principalmente dai team IT che gestiscono servizi all'interno delle aziende. In genere i team prendono ciò di cui hanno bisogno dall'ITIL, che tratta quasi ogni tipo di imprevisto, problema e procedura che i team IT potrebbero dover affrontare, e tralasciano il resto. L'ITIL è una soluzione ideale quando i team devono concentrarsi sulla creazione di una cultura di risoluzione dei problemi attiva. I processi prescritti aiutano i team a monitorare in modo coerente gli imprevisti e le azioni, così da migliorare le attività di reporting e analisi. Ciò a sua volta consente di perfezionare il servizio e di rafforzare l'efficacia del team.

Le cause degli imprevisti possono essere infinite: un dipendente, un cliente, un fornitore o i sistemi di monitoraggio. A prescindere dall'origine, le prime due fasi sono semplici, una persona individua un imprevisto, un'altra ne esegue il log. In genere i log degli imprevisti (ovvero i ticket) includono:

• Il nome della persona che segnala l'imprevisto
• La data e l'ora di segnalazione dell'imprevisto
• Una descrizione dell'imprevisto (che cosa non è disponibile o non funziona correttamente)
• Un numero di identificazione univoco assegnato all'imprevisto, per consentirne il monitoraggio

Assegna una categoria logica e intuitiva (e una sottocategoria, se necessario) a ogni imprevisto.Ciò consente di analizzare i dati alla ricerca di tendenze e modelli, ovvero una parte fondamentale per una gestione dei problemi efficace e per prevenire imprevisti futuri.

A ogni imprevisto deve essere assegnata una priorità. Inizia valutando l'impatto che ha sul business, il numero di persone interessate dall'impatto, gli eventuali SLA e le potenziali implicazioni finanziarie, di sicurezza e di conformità. Confronta questo imprevisto con tutti gli altri imprevisti aperti per determinarne la priorità relativa. La best practice prevede la definizione dei livelli di gravità e priorità prima che si verifichi un imprevisto, in modo che i gestori imprevisti possano valutare rapidamente la priorità. 

• Diagnosi iniziale: idealmente, il team di assistenza in prima linea può occuparsi di un imprevisto dalla diagnosi alla chiusura. Tuttavia, se non dovesse riuscirci, il passaggio successivo è eseguire il log di tutte le informazioni pertinenti e l'escalation al team di livello successivo.
• Escalation: il team successivo acquisisce i dati registrati e prosegue la procedura di diagnosi. Se nemmeno questo team riesce a diagnosticare l'imprevisto, la palla passa al team ancora successivo.
• Comunicazione: il team condivide regolarmente gli aggiornamenti con gli stakeholder interni ed esterni.
• Indagine e diagnosi: il processo continua fino a quando non viene identificata la natura dell'imprevisto. A volte i team si rivolgono a risorse esterne o ad altri membri del dipartimento per chiedere una consulenza e aiuto per la risoluzione.
• Risoluzione e ripristino: in questa fase, il team arriva a una diagnosi e adotta le misure necessarie per risolvere l'imprevisto. Il ripristino implica semplicemente il tempo necessario per la ripresa completa delle operazioni, perché alcune correzioni (come patch di bug eccetera) potrebbe richiedere test e distribuzione anche dopo aver individuato la risoluzione corretta.
• Chiusura: se è stata eseguita l'escalation, l'imprevisto viene infine passato al service desk per la chiusura. Per mantenere la qualità e garantire un processo fluido, solo i dipendenti del service desk sono autorizzati a chiudere gli imprevisti e il responsabile dell'imprevisto dovrebbe contattare la persona che ha effettuato la segnalazione per verificare se la risoluzione è soddisfacente e se l'imprevisto può effettivamente essere chiuso.

Con un approccio DevOps o SRE alla gestione degli imprevisti, il team che crea il servizio si occupa anche di gestirlo e di risolverne i problemi. La diffusione di questo approccio è cresciuta di pari passo con l'espansione dei servizi cloud sempre attivi, delle applicazioni web ad accesso globale, dei microservizi e delle soluzioni Software as a Service.

Sempre più spesso, il software a cui ti affidi per l'uso personale e professionale non è ospitato su un server nella stessa posizione fisica in cui ti trovi. Probabilmente si tratta di un'applicazione accessibile dal web distribuita in un data center per migliaia o milioni di utenti in tutto il mondo. Per i team incaricati di gestire questi servizi, l'agilità e la velocità sono requisiti cruciali. Ogni tempo di inattività comporta potenziali ricadute su migliaia di organizzazioni, non solo una.

Un vantaggio dell'approccio "chi lo crea, lo gestisce" è che offre la flessibilità di cui i team Agile hanno bisogno, ma d'altro canto può creare confusione sugli ambiti di responsabilità. I team DevOps possono sentirsi a loro agio e lavorare con maggiore efficacia adottando processi di sviluppo meno strutturati, ma è meglio standardizzare un insieme di processi di base per la gestione degli imprevisti, in modo da non avere dubbi su come rispondere nel caso di un imprevisto e da poter monitorare i ticket e riferire come sono stati risolti.

• Turni di reperibilità: anziché contare sulla reperibilità di alcuni membri specializzati, in genere i team DevOps prevedono un programma di reperibilità a turni in cui il rischio di doversi svegliare di notte per rispondere a un imprevisto è condiviso da tutti i membri.
• L'ingegnere che ha sviluppato la soluzione è il migliore candidato a risolvere il problema: secondo il principio "chi lo crea, lo gestisce", le persone che conoscono più a fondo il servizio (i creatori) sono anche le più preparate a risolvere un'interruzione.
• Creazione rapida, senza rinunciare alla responsabilità: sapendo di essere reperibili durante le interruzioni del servizi, gli sviluppatori e i colleghi del team sono più incentivati a garantire che il codice distribuito sia di ottima qualità.

Questo approccio assicura tempi di risposta veloci e un feedback più rapido ai team che devono sapere come realizzare un servizio affidabile.

Un approccio alla gestione degli imprevisti molto orientato al concetto DevOps è descritto nel Manuale degli imprevisti di Atlassian.

La gestione degli imprevisti non può essere affidata a un semplice strumento, ma alla giusta combinazione di strumenti, pratiche e persone. Ecco alcune delle categorie di strumenti più diffuse per una gestione degli imprevisti efficace:

• Monitoraggio degli imprevisti: ogni imprevisto dovrebbe essere monitorato e documentato per individuare tendenze e fare confronti nel corso del tempo.
• Chat: la comunicazione testuale in tempo reale è di cruciale importanza per diagnosticare e risolvere l'imprevisto come un unico team. Inoltre, offre un insieme di dati corposo che in un secondo momento sarà utile all'analisi della risposta.
• Chat video: la chat video integra la chat di testo per molti imprevisti. La chat video a livello di team può aiutare a discutere i risultati e a mappare la strategia di risposta.
• Sistema di avviso: uno strumento come Jira Service Management si integra con il sistema di monitoraggio e gestisce i turni di reperibilità e le escalation.
• Strumento di documentazione: uno strumento come Confluence può acquisire i documenti sullo stato dell'imprevisto e le analisi retrospettive.
• Statuspage: la comunicazione dello stato con gli stakeholder interni e i clienti attraverso Statuspage consente di tenere al corrente tutte le persone coinvolte.