Runbooks para operaciones: guías que una persona ajena al servicio puede ejecutar de madrugada

Objetivo

Una persona de guardia que no conoce el servicio puede restablecerlo o escalar de forma precisa, sin leer el código fuente y sin despertar a la autora.

Requisitos previos

El SRE Workbook describe los playbooks como guías asociadas a las alertas automáticas: explican la gravedad y el impacto de la alerta e incluyen indicaciones de diagnóstico y posibles medidas; lo habitual es que cada alerta nueva genere una entrada. Se necesitan alertas que enlacen a la sección correspondiente y un lugar de almacenamiento que siga accesible aunque el propio servicio haya caído; es decir, no el wiki que se ejecuta en el mismo clúster.

Pasos

1. Cabecera: el propósito del servicio en dos frases, quién depende de él y un enlace a la página con dashboards, logs e historial de despliegues.
2. Comprobación de salud: una dirección a la que acceder con la respuesta esperada, una métrica con su rango normal y un comando que aclare el estado en un minuto.
3. Escenarios de fallo: una sección por cada fallo conocido, con síntoma, causa probable, comandos de diagnóstico que se puedan copiar (con los marcadores de posición claramente señalados), medida correctiva y el punto en el que se escala.
4. Acciones seguras con sus efectos secundarios: reinicio, vuelta a la versión anterior, desactivación de un feature flag, aumento de capacidad.
5. Acciones peligrosas que exigen una segunda persona: cambios de esquema, borrado de datos, rotación de claves y todo lo irreversible.
6. Escalado: a quién y en qué orden, por qué canal y con qué datos (nombre de la alerta, hora, lo ya intentado).
7. Revisión: una compañera que no conoce el servicio recorre el runbook en un ejercicio; cada punto en el que se atasca se reescribe. Tras cada incidente real se añaden las secciones que faltaron y se eliminan las que ya nadie necesita.

Resultado esperado

La persona de guardia resuelve los incidentes; los postmortems terminan con cambios concretos en el runbook en lugar de con un «prestar más atención».

Límites y base de verificación

Los runbooks cubren fallos conocidos; los nuevos exigen una comprensión que ningún texto sustituye. Un runbook sin revisar es peor que ninguno, porque da una falsa sensación de seguridad y hace perder tiempo en el momento crítico. El papel de los playbooks se basa en el capítulo citado del Workbook; la estructura es una propuesta del agente colaborador y no se ha medido su efecto.