Настройка On-Call ротации для команды поддержки сайта

Мы столкнулись с ситуацией: команда поддержки из трёх человек выгорела за два месяца из-за хаотичных ночных вызовов. Инциденты копились, MTTA вырос до часа. Решение — внедрение on-call ротации с чёткими правилами эскалации. За две недели MTTA снизился до 5 минут, а нагрузка распределилась равномерно. Правильная настройка окупается за первый месяц, а стоимость организации ротации варьируется в зависимости от объёма интеграций.

Анализ проблемы: почему команды выгорают на дежурствах

On-call ротация — это система, при которой ответственность за реакцию на инциденты вне рабочего времени распределяется между членами команды по очереди. Без ротации — один дежурный выгорает за месяц. С правильно настроенной ротацией — нагрузка равномерна, а реакция предсказуема. Наш опыт показывает, что weekly ротация лучше ежемесячной в 3 раза по скорости восстановления контекста.

Проектирование схемы ротации

Как выбрать период ротации?

Primary on-call: первый уровень, получает все алерты. Время реакции — 5-15 минут. Secondary on-call (backup): если primary не ответил за 10-15 минут — эскалация на secondary. Escalation path: Primary → Secondary → Engineering Manager → CTO. Каждый уровень добавляет 10-15 минут.

Инструменты онколл-системы: PagerDuty и альтернативы

Настройка эскалаций в PagerDuty

Service → Escalation Policy:
  Level 1: On-Call schedule (primary)
    - Notify after: immediately
    - Escalate after: 15 minutes
  Level 2: On-Call schedule (secondary)
    - Notify after: escalation
    - Escalate after: 15 minutes
  Level 3: Engineering Manager
    - Notify after: escalation

Schedule (Primary):
  Rotation type: Weekly
  Handoff time: Monday 10:00 local time
  Restrictions: None (24/7 coverage)
  Layer 1: [Engineer A, Engineer B, Engineer C, Engineer D]

Handoff в рабочее время — инженер принимает смену в спокойной обстановке, изучает открытые инциденты.

Интеграция с мониторингом

Интегрируйте мониторинг (Prometheus, Datadog, Sentry) с PagerDuty через webhook. Настройте smart-нотификации: днём Slack, ночью звонок. Это снижает alert fatigue и повышает MTTA.

Внедрение: пошаговая инструкция для команды

1. Определите размер команды и часы покрытия. Для 4 человек оптимальна недельная ротация.
2. Создайте schedule в PagerDuty/OpsGenie: укажите участников, тип ротации (weekly), время handoff (например, понедельник 10:00).
3. Настройте escalation policy: primary получает алерт сразу, если не отвечает 15 минут — secondary, ещё 15 минут — менеджер.
4. Настройте каналы нотификации: Slack, звонок, SMS.
5. Проведите пилотный прогон.

Подготовка runbook и handoff-процедуры

Runbook для типовых инцидентов ускоряет реакцию. Пример: при 503 — рестартовать Nginx. Handoff-заметка содержит: список открытых инцидентов, нестабильные компоненты, запланированные изменения, «горячие» места. Шаблон в Slack или Confluence.

Обучение и пилотный прогон

Проведите обучение команды по runbook и handoff. Пилотный прогон в течение недели выявит узкие места.

Управление инцидентами: как бороться с alert fatigue

Что такое alert fatigue и как с ним бороться?

On-call работает только если алерты значимы. Если за дежурную неделю приходит 50 алертов, из которых 45 — шум, через месяц команда перестаёт реагировать. Alert fatigue — главный враг дежурного. Инструменты борьбы: alert grouping, smart-нотификации, еженедельный ревью, SLO-based alerting на burn rate.

Метрики здоровья онколл-системы

Компенсация и удержание дежурных

On-call — это дополнительная нагрузка, которая должна компенсироваться: денежная надбавка за дежурную неделю, отгул после тяжёлой недели, компенсация за каждый ночной вызов. Команда без компенсации — команда, которая саботирует дежурство или уходит.

Сроки и что входит в настройку под ключ

• Проектирование схемы ротации с учётом размера команды и графика
• Настройка PagerDuty/OpsGenie: schedules, escalation policies, layers
• Интеграция с мониторингом (Prometheus, Datadog, Sentry)
• Конфигурация каналов нотификации: Slack, звонок, SMS
• Документация: runbook, handoff шаблон, инструкции для дежурных
• Обучение команды и пилотный прогон

Источник: документация PagerDuty

Сроки настройки

• PagerDuty/OpsGenie + schedules + escalation policy — 1-2 дня
• Интеграция с Prometheus/Datadog алертами — 1-2 дня
• Настройка каналов нотификации (Slack, звонок, SMS) — 1 день
• Документация процесса + обучение команды — 1-2 дня

Получите консультацию по внедрению on-call ротации для вашей команды. Свяжитесь с нами — оценим проект и предложим решение за 2 дня. Закажите настройку под ключ, и мы гарантируем снижение MTTA до 5 минут.

Техническая поддержка сайта: обновления, мониторинг, SLA

Сайт на Laravel 8 с PHP 7.4. PHP 7.4 больше не поддерживается, Laravel 8 — тоже не получает обновлений безопасности. Хостинг-провайдер предупредил об обязательном обновлении PHP до 8.1 — после обновления два плагина и одна библиотека сломались, сайт упал. Мы регулярно сталкиваемся с такими сценариями: проект без регулярного ТО превращает каждое обновление окружения в аварию.

Этот кейс — не исключение, а правило. Коммерческие сайты теряют конверсию из-за медленной загрузки, уязвимостей, недоступности. Мы берем на себя мониторинг, обновление зависимостей, бэкапы и SLA — чтобы вы занимались бизнесом, а не сервером.

Без системной поддержки каждое обновление окружения становится сюрпризом: ломаются зависимости, падает производительность, появляются дыры безопасности. Техническая поддержка сайта — это страховка от таких сюрпризов и гарантия стабильной работы.

Что реально входит в техническую поддержку сайта?

Поддержка — не «ответить на звонок, когда что-то сломалось». Это систематическое предотвращение поломок.

Обновление зависимостей. Composer packages, npm packages, CMS или фреймворк. composer audit и npm audit показывают известные уязвимости. Dependabot или Renovate создают автоматические PR — задача поддержки проверить, что обновление не сломало staging, и смержить.

Обновления бывают: patch (1.2.3 → 1.2.4, только bugfix, безопасно), minor (1.2.0 → 1.3.0, новые фичи с обратной совместимостью, обычно безопасно), major (1.x → 2.x, ломающие изменения, требуют тестирования). Игнорировать обновления 6+ месяцев — накопить техдолг: разрыв больше, работы больше.

WordPress — отдельный разговор. Популярность платформы делает её главной целью атак. Устаревшие плагины — вектор №1 взломов. Регулярные обновления ядра, плагинов, тем + правильные разрешения файловой системы + WAF — необходимый минимум. Наш опыт показывает, что автоматические обновления WordPress Core без тестового окружения — риск, который мы не допускаем.

Как мониторинг предотвращает простои?

Uptime мониторинг. Базовый HTTP-чек раз в минуту. Better Uptime, Upptime (self-hosted), Checkly, New Relic Synthetics. Алерт в Telegram или Slack при падении — и оповещение при восстановлении. Если сайт недоступен 10 минут в рабочее время — прямой ущерб.

Производительность. TTFB, LCP, INP — отслеживаем через Google Search Console (реальные пользователи, CrUX) и синтетический мониторинг (Lighthouse CI, SpeedCurve). Деградация часто постепенная — без мониторинга вы замечаете через месяц, когда LCP уже 5s.

Ошибки приложения. Sentry — стандарт для отслеживания JavaScript и PHP/Python ошибок в реальном времени. Каждая необработанная исключение с трассировкой стека, контекстом запроса, версией браузера. Особенно важно для ошибок, которые пользователи не сообщают — они просто уходят.

База данных. Рост объёма, медленные запросы (MySQL slow query log, pg_stat_statements для PostgreSQL), размер индексов. Таблица без VACUUM в PostgreSQL разрастается до гигабайт из-за dead tuples. Рутинное обслуживание БД — часть поддержки.

Дисковое пространство и логи. logrotate настроен? /var/log/nginx растёт без ограничений и заполняет диск — классика. Автоматическая ротация + алерт при disk > 80%.

Почему бэкапы без проверки — иллюзия?

Бэкап без проверки восстановления — не бэкап, а иллюзия безопасности. Видели случаи, когда mysqldump создавал файл 0 байт из-за ошибки прав, а никто не проверял содержимое месяцами. Мы гарантируем, что все копии работоспособны.

Схема бэкапов:

• Ежедневный инкрементальный бэкап базы данных + медиафайлы
• Еженедельный полный бэкап
• Хранение: минимум 3 копии, 2 разных медиа, 1 offsite (S3, Backblaze B2)
• Автоматическая проверка целостности (pg_restore --list, mysqldump verify)
• Тестовое восстановление раз в квартал в изолированное окружение

Retention политика: 7 ежедневных, 4 еженедельных, 3 ежемесячных. S3 Lifecycle rules автоматизируют удаление.

SLA: что это значит на практике

SLA (Service-Level Agreement) Wikipedia — конкретные обязательства по времени реакции и восстановления:

SLA имеет смысл только при наличии мониторинга — иначе о проблемах узнают от пользователей, а не от систем. Нерабочая кнопка в форме может незаметно убивать конверсию неделями.

Процесс обновления контента

Разработчик не должен быть в цепочке для правки текста на странице. CMS с удобным редактором, разграничение прав (редактор правит контент, не трогает код), история изменений. Для Laravel-проектов — Nova, Filament, или headless CMS (Strapi, Contentful) в зависимости от сложности.

Preview перед публикацией, staged rollout для важных изменений. Если редакторы работают напрямую с prod — это риск.

Типичные ситуации, которые решаем

Взлом сайта: анализ вектора атаки, очистка, усиление безопасности (WAF, fail2ban, ограничение прав файловой системы). Восстановление из бэкапа занимает часы, а не дни — если бэкапы настроены правильно. Средние затраты на ликвидацию последствий взлома — 150 000–300 000 ₽, включая аудит и закрытие уязвимостей. Регулярная поддержка обходится значительно дешевле и предотвращает такие инциденты.

Падение производительности после обновления: feature flag + возможность быстрого rollback. Canary деплой — обновляем 5% трафика, смотрим метрики, потом 100%.

Что входит в пакет поддержки (deliverables)

При заключении договора вы получаете:

• Документация: схема инфраструктуры, доступы, процедуры восстановления
• Мониторинг: uptime, производительность, ошибки, логи — настроенный с первого дня
• Резервное копирование: ежедневные/еженедельные копии с проверкой
• Обновление зависимостей: ежемесячный аудит и обновление с тестированием
• SLA-реагирование: по приоритетам из таблицы выше
• Отчёты: еженедельные дашборды, ежемесячный обзор, квартальный техплан
• Поддержка редактирования контента: обучение редакторов, настройка прав

Свяжитесь с нами, чтобы подобрать подходящий план и получить первичный аудит состояния вашего проекта.

Как мы работаем: этапы

1. Онбординг (3–5 дней): аудит текущего состояния, настройка мониторинга и бэкапов, документирование инфраструктуры.
2. Регулярный ритм: еженедельный отчёт по метрикам, ежемесячный обзор обновлений, квартальный технический аудит.
3. Реагирование: по SLA, с фиксацией причины и времени решения.
4. Развитие: по вашему запросу — новый функционал, оптимизация, рефакторинг.

Мы работаем с 2016 года, поддерживаем более 50 проектов от лендингов до маркетплейсов. Наши клиенты экономят от 50 000 ₽ в месяц за счёт превентивных мер.

Сроки и стоимость

Настройка мониторинга и бэкапов: 3–5 дней. Регулярная поддержка — ongoing контракт с фиксированным объёмом часов в месяц или абонемент. Стоимость рассчитывается индивидуально после аудита. Получите консультацию — оценим ваш проект за 1–2 дня.

Сравнение: мониторинг с автоматическим алертингом vs ручная проверка

Автоматический мониторинг Better Uptime в 10 раз быстрее реагирует на сбои, чем ручная проверка.