Sistema fora do ar: checklist dos primeiros 30 minutos

Incidentes acontecem com todo sistema. O que define o tamanho do estrago é a reação nos primeiros minutos: quem decide, quem comunica, o que se faz primeiro. Ter um roteiro antes evita improviso sob pressão.

Minutos 0 a 5: confirmar e organizar

1. 1.Confirme o problema: é geral ou de um cliente? Afeta o quê?
2. 2.Defina um responsável pela coordenação — uma pessoa só.
3. 3.Abra um canal dedicado ao incidente.

Minutos 5 a 15: estancar

1. 1.O que mudou recentemente? Deploys, configurações, integrações. A maioria dos incidentes tem uma mudança recente por trás.
2. 2.Reverter primeiro, investigar depois: se houve deploy, voltar a versão anterior costuma ser o caminho mais rápido.
3. 3.Proteger o essencial: desligar funcionalidades não críticas, ativar planos B (Degradação graciosa: funcionar pela metade é melhor que sair do ar, Feature flags: lançar sem medo e desligar sem deploy).

Minutos 15 a 30: comunicar

1. 1.Avisar clientes de forma honesta: o que está acontecendo, o que já foi feito, quando haverá nova atualização.
2. 2.Atualizar regularmente, mesmo sem novidades.

Depois

• Registro do que aconteceu, linha do tempo e causa.
• Ações para evitar que se repita — sem caça a culpados.
• Se houve dados pessoais envolvidos, avaliar a comunicação obrigatória (LGPD para desenvolvedores: o que muda no código).

O que ajuda antes do incidente

Monitoramento e alertas (Observabilidade para quem não é SRE: métricas, logs e traces), backups testados (Backup que nunca foi restaurado não é backup) e acesso às ferramentas por mais de uma pessoa.

A We Codex oferece suporte e preparo para incidentes. Veja Segurança Anti-Hacker ou fale com a gente.