Что означает управление инцидентами?

Среднее время для ответа (mean time to respond) — это время, которое требуется командам DevOps для ответа после получения уведомления.

Команды часто используют этот показатель для измерения времени между обнаружением инцидента и составлением плана исправления. Иногда в него записывают и время, необходимое для устранения проблемы, но не время задержки в системе оповещения.

Замер MTTR происходит с момента обнаружения инцидента командой до момента запуска (или завершения) плана ремонта или исправления. Далее это время делят на количество уведомлений, на которые команда ответила за определенный промежуток времени.

MTTR часто используется в кибербезопасности вместе со средним временем обнаружения (mean time to detect, или MTTD). Это позволяет измерять успех команды в нейтрализации системных атак, а также способность предусматривать и предотвращать будущие нарушения безопасности.

Среднее время для ремонта (mean time to repair) – это среднее время, необходимое для восстановления неисправного компонента, программы или службы.

Это измерение включает время, затраченное на тестирование, пока служба снова не станет полностью функциональной. Показатель сосредотачивается только на том промежутке, который требуется команде для ремонта после диагностики проблемы.

Чтобы рассчитать этот показатель, поделите общее время, которое ваша команда тратит на устранение неисправностей, на количество выполненных ремонтов. Например, если для устранения пяти проблем нужно 30 часов, показатель будет равен шести. Собирайте данные регулярно и со временем можно будет вычислить средний балл MTTR.

Организации часто включают MTTR в договор на техническое обслуживание или соглашение об уровне обслуживания (SLA). Если с одинаковым временем между отказами одна система имеет MTTR 24 часа, а другая — три дня, первая система более ценна, поскольку ее доступность выше.

Среднее время для устранения/исправления (mean time to resolve/remediate) — это время, необходимое для полной диагностики и устранения неисправности в системе.

Показатель включает срок устранения первопричины проблемы, чтобы она не повторялась. Он отображает насколько быстро и эффективно ваша команда DevOps диагностирует проблему и вводит решения. А также, насколько хорошо команда предусматривает и планирует неисправности.

Чтобы рассчитать показатель, добавьте время, необходимое для диагностики и разрешения инцидентов в течение определенного периода времени, а затем разделите его на количество инцидентов. Если системы не работали в течение двух часов в течение 24-часового периода, а команды потратили два часа на диагностику и устранение сбоя, время для решения составляет четыре часа.

Показатель также отображает время, которое ваша команда тратит на исследования, ремонт и тестирование. Таймер не останавливается, пока система не заработает полностью и ваша команда не решит основную проблему во избежание будущих сбоев.

Среднее время восстановления (mean time to recovery) показывает все время, необходимое для восстановления работоспособности пораженной сети или системы.

Замер времени начинается, когда впервые срабатывает предупреждение, и заканчивается, когда все пораженные системы функционируют в обычном режиме.

Чтобы измерить этот показатель, нужно разделить время простоя за определенный период на количество инцидентов. Если у вас было 20 минут простоя, вызванного двумя разными событиями в течение двух дней, среднее время восстановления составит десять минут.

MTTR измеряет эффективность всех ваших возможностей реагирования на инциденты. Он охватывает весь период простоя, с момента отказа системы или продукта до возобновления нормального функционирования. MTTR дает вам представление о том, насколько быстро ваша группа реагирования на инциденты может вернуть ваш бизнес и любых затронутых клиентов в нормальное состояние. Это хороший совокупный показатель для измерения общей эффективности всех аспектов ваших протоколов реагирования на инциденты.

Среднее время обнаружения (mean time to detect) измеряет, сколько времени проблема существует прежде чем проявится.

MTTD является ключевым показателем эффективности для DevOps и IT-команд. MTTD также называют средним временем идентификации (mean time to identify, MTTI). MTTD – это время, необходимое для обнаружения инцидента или получения уведомления о нем.

Чтобы вычислить MTTD, нужно измерить среднее время, необходимое для обнаружения инцидентов в установленный период, а затем разделить его на количество инцидентов.

Важно, чтобы MTTD был низким, поскольку чем быстрее вы обнаружите проблему, тем меньше потенциального вреда она нанесет вашим системам и тем дешевле их устранение.

Среднее время до подтверждения (mean time to acknowledge) – это промежуток времени между тем, когда система генерирует оповещение и когда член команды отвечает.

MTTA отображает, сколько времени требуется члену команды, чтобы начать работу над проблемой после получения оповещения.

Низкий MTTA показывает, что команда быстро реагирует, отдавая приоритету уведомлениям с высоким риском, которые могут иметь наиболее критические простои и сбои.

MTTA полезен для измерения эффективности вашей системы уведомлений и помогает команде выполнять свои KPI оперативности реагирования. Низкий MTTA указывает на способ мышления «исправить это», чтобы предотвратить любую потерю обслуживания, что является критически важной для управления цифровым опытом.

Среднее время до отказа (mean time to failure) отображает промежуток, в который актив, не подлежащий ремонту, еще функционирует до полного отказа. Когда актив выходит из строя, команда заменяет его.

MTTF измеряет надежность сети и долговечность ее оборудования. Он указывает на большее потенциальное время простоя, поскольку система не работает пока ее заменяют. MTTF измеряет рабочую фазу компонентов и является частью цикла технического обслуживания.

Среднее время между отказами (mean time between failures) измеряет средний интервал между отказами систем, подлежащих ремонту. MTBF — это способ измерения надежности системы.

Меньший MTBF указывает на большее потенциальное время простоя, поскольку сбои требуют мер по обнаружению, сдерживанию и устранению. Как и MTTF, MTBF является частью цикла технического обслуживания и измеряет рабочую стадию компонентов.