Используете ли дежурства с ночными вызовами и поддержкой

Что проверяют

Готовы ли вы к дежурствам и есть ли опыт реагирования на инциденты в проде. Интервьюер хочет понять, будете ли вы в три часа ночи сначала восстанавливать сервис или сразу чинить код, и как вы относитесь к такой нагрузке. Следом просят рассказать про конкретный ночной инцидент.

Как отвечать

Вопрос двусторонний: вы рассказываете о своём опыте и заодно выясняете условия. Каркас ответа:

• формат: как было устроено у вас, например недельная ротация, основной и резервный дежурный, эскалация на тимлида, если алерт не подтверждён за 15 минут;
• инструменты: откуда приходили алерты (Prometheus и Alertmanager, Grafana, бот в Telegram), где смотрели логи и трейсы, были ли инструкции на типовые сбои (runbook);
• диагностика Java-сервиса: метрики Micrometer и /actuator/health, дамп потоков через jcmd <pid> Thread.print, дамп кучи при подозрении на утечку, логи GC;
• приоритеты: сначала восстановить работу (откат релиза, выключение фичи флагом, перезапуск, масштабирование), потом искать причину. Ночной хотфикс в обход ревью это крайняя мера;
• после инцидента: разбор без поиска виноватых, задачи на исправление, дополненная инструкция.

Нужен один свой пример с цифрами: что упало, через сколько минут пришёл алерт, сколько заняло восстановление, что поменяли потом. Если дежурств не было, так и скажите, расскажите, как разбирали инциденты днём, и как подготовились бы: прочитать инструкции, отдежурить в паре с опытным коллегой.

Спросить в ответ нормально: как часто дежурства, сколько ночных вызовов в месяц бывает на деле и как оплачиваются дежурство и ночные выходы.

Где спотыкаются

Рассказывают героическую историю, как в одиночку ночью переписали модуль и задеплоили. Для интервьюера это риск, а не подвиг.

Отвечают «готов на всё» и не задают вопросов про частоту и компенсацию. Через полгода это становится причиной ухода.

Придумывают опыт. Первый же вопрос про конкретный алерт или дамп потоков это выдаёт.