Incidentes e o painel do Google Cloud Service Health

O painel do Google Cloud Service Health (CSH) fornece informações de status dos produtos do Google Cloud organizados por região e localidade global.

Incidente grave

O Google Cloud define um incidente como um incidente grave quando ele atende a todas as condições a seguir:

  • Alto escopo: o incidente tem impacto global ou está afetando uma porcentagem significativa dos projetos dos clientes em uma ou mais regiões.
  • Gravidade alta: um ou mais produtos estão indisponíveis ou muito degradados.

Em casos raros de incidentes graves, agimos com urgência para resolver os problemas.

Durante um incidente grave, o status do problema é comunicado por meio do Painel do Google Cloud Service Health. Um incidente grave é marcado como Interrupção do serviço nos painéis de status. Após a resolução do problema, publicamos um relatório público que inclui os detalhes dos fatores que contribuíram para o incidente e as etapas que planejamos tomar para evitar que eles ocorram novamente.

No caso de incidentes de escopo menor, um relatório não público pode ser disponibilizado aos clientes.

Ciclo de vida de um incidente

Quando uma degradação do produto é detectada, as equipes de suporte do Google Cloud e de engenharia de produto trabalham juntas para resolver o incidente e fornecer atualizações.

O diagrama a seguir mostra as responsabilidades das equipes de suporte e engenharia de produto:

Diagrama do ciclo de vida

Leia mais sobre cada uma dessas responsabilidades nas seções a seguir.

Detecção

O Google Cloud usa monitoramento interno e de caixa preta para detectar incidentes. Para mais informações, consulte o Capítulo 6 do manual Engenharia de confiabilidade do site.

Se você tiver o Suporte Premium, Enhanced ou Standard, poderá relatar um incidente criando um caso de suporte no console do Google Cloud. Caso contrário, use este formulário.

Resposta inicial

Quando um incidente é detectado, a equipe do Google Cloud Customer Care gerencia as comunicações com o cliente. A notificação inicial de um incidente geralmente é esparsa e quase sempre é mencionado apenas o nome do produto em questão. Isso ocorre porque priorizamos notificações rápidas em vez de detalhes. Os detalhes serão fornecidos nas atualizações subsequentes.

Para fornecer o máximo de informações possível, sem sobrecarregar você com problemas não relacionados ao seu incidentes, são usados diferentes canais de comunicação, dependendo do escopo e da gravidade de um problema:

Diagrama de comunicação

Recomendamos usar o Personalized Service Health como a primeira parada ao enfrentar uma interrupção do serviço de produtos específicos. No Personalized Service Health, é possível visualizar as interrupções relevantes para seus projetos. Saiba mais sobre o Personalized Service Health e como integrá-lo ao seu fluxo de trabalho de gerenciamento de incidentes.

O Painel do Google Cloud Service Health exibe os principais incidentes e foi desenvolvido para ser disponibilizado no caso raro do próprio Custom Service Health não estar disponível ou ser afetado por uma interrupção.

Se você não ativou o Personalized Service Health no seu projeto ou se o produto ainda não for compatível com ele, recomendamos verificar se há interrupções ativas nos seguintes itens:

Os problemas conhecidos exibidos na página de suporte do console do Google Cloud também incluem incidentes pequenos e de escopo limitado.

Os casos de suporte são adequados para problemas que não se qualificam como incidentes ou quando é necessária uma interação humana. Na página de problemas conhecidos, é possível criar um caso com base em um incidente publicado. Assim, você recebe atualizações regulares e pode conversar com a equipe de suporte.

Investigar

As equipes de engenharia de produto são responsáveis por investigar a causa raiz dos incidentes. O gerenciamento de incidentes geralmente é feito pelos engenheiros de confiabilidade do site, mas também é realizado por engenheiros de software ou outros profissionais, dependendo da situação e do produto. Para mais informações, consulte o Capítulo 12 do manual Engenharia de confiabilidade do site.

Mitigação/correção

Um problema é considerado corrigido somente quando o Google tiver certeza de que as alterações feitas terminarão com o impacto de uma vez por todas. Por exemplo, a correção reverte uma alteração que acionou um incidente.

Enquanto um incidente está em andamento, o Customer Care e a equipe do produto tentam mitigar o problema. A mitigação ocorre quando o impacto ou o escopo de um problema pode ser reduzido, por exemplo, ao fornecer temporariamente mais recursos a um produto sobrecarregado.

Se nenhuma mitigação for possível, a equipe do Customer Care encontrará e informará soluções alternativas. Soluções alternativas são as etapas que você executa para solucionar o problema subjacente, apesar do incidente. Uma exemplo de solução alternativa é o uso de configurações diferentes para uma chamada de API a fim de evitar um caminho de código problemático.

faça o acompanhamento

Durante um incidente, a equipe do Customer Care fornece atualizações regulares. Normalmente, as atualizações fornecem o seguinte:

  • Mais informações sobre o incidente, como mensagens de erro, zonas ou regiões afetadas, quais recursos foram afetados ou o percentual de impacto.

  • O progresso da atenuação, incluindo quaisquer soluções alternativas.

  • Cronogramas de comunicação adaptados ao incidente.

  • Alterações no status, por exemplo, quando um incidente é corrigido.

Post mortem

Todos os incidentes têm um post mortem internamente para que seja entendidos por completo e para identificar melhorias de confiabilidade que o Google pode fazer. Essas melhorias são acompanhadas e implementadas. Para mais informações sobre postmortems no Google, consulte o Capítulo 15 do manual Engenharia de confiabilidade do site.

Relatório de incidentes

Quando os incidentes têm um impacto muito amplo e grave, o Google fornece relatórios de incidentes que descrevem os sintomas, o impacto, a causa raiz, a correção e a prevenção futura de incidentes. Assim como nos post mortems, prestamos atenção especial às etapas adotadas para aprender com o problema e melhorar a confiabilidade. O objetivo do Google ao escrever e divulgar análises post-mortem é ser transparente e demonstrar nosso compromisso em criar produtos estáveis para os clientes.

Modelo de dados do incidente

um incidente afetou um ou mais produtos em um ou mais locais; Os incidentes têm um horário de início e de término, além de uma gravidade geral. Um incidente tem atualizações que descrevem como ele muda ao longo do tempo, incluindo o status e os locais afetados. As informações do incidente são disponibilizadas por um esquema JSON.

O esquema JSON tem campos marcados como Estável e Instável. Em geral, os campos de ID são considerados estáveis, enquanto os nomes de exibição são considerados Instáveis e podem ser alterados sem aviso. Use campos Estáveis somente ao fazer a integração com um sistema externo ou criar automação. Consulte Posso criar integrações para consumir os dados exibidos no Painel do Google Cloud Service Health de maneira programática?.

Perguntas frequentes

Que tipo de informação de status posso encontrar no Painel de CSH do Google?

O painel Google CSH fornece informações de status sobre produtos que fazem parte do Google Cloud. O status pode incluir interrupções do produto, paralisações ou mensagens com informações sobre um problema temporário.

Quando um incidente é postado no painel de CSH do Google?

Os incidentes que atendem a qualquer um dos seguintes critérios aparecem no painel do CSH:

Onde encontro informações sobre falhas e interrupções anteriores do produto?

O painel do Google CSH mantém um registro das interrupções e falhas temporárias dos produtos do Google Cloud por até cinco anos. A guia Visão geral do painel mostra o status atual dos produtos por localidade. Para ver informações sobre falhas e interrupções de produtos no último ano, clique em Ver histórico no painel. Para ver o histórico de interrupções de um produto nos últimos cinco anos, clique em Ver mais dele.

Como posso visualizar informações de status regionalizado dos produtos do Google Cloud?

O painel do Google CSH exibe o status de todos os produtos do Google Cloud organizados por região e localidade global. Para visualizar o status de uma multirregião, clique na guia específica da região.

Posso criar integrações para consumir programaticamente os dados exibidos no painel do Service Health do Google Cloud?

Sim, é possível consumir os dados exibidos no Painel de CSH do Google das seguintes maneiras:

  • Por um feed RSS

  • Por um arquivo de histórico JSON

    Faça o download do esquema para o arquivo JSON aqui.

O feed RSS e o arquivo de histórico JSON fornecem informações de status de incidente que podem ser consumidas por integrações.

Use os campos marcados como Estável no arquivo de histórico JSON, em vez dos campos marcados como Instável. Exemplo: se você estiver tentando identificar de maneira programática incidentes que afetam um determinado conjunto de produtos, use os IDs dos produtos (affected_products>id), não os nomes de exibição.

IDs de produtos versus nomes de produtos

Historicamente, o Painel do Google Cloud Service Health não fornecia um mecanismo para localizar o ID de um determinado produto. No início de 2023, o Google Cloud Service Health Dashboard disponibilizou um catálogo de produtos que fornece esse mapeamento para todos os produtos. Um ID do produto fornece um campo estável para chave, permitindo que o nome de exibição de um produto seja alterado. Prefira mencionar o ID do produto ao identificar incidentes que afetam um conjunto de produtos de maneira programática.

E se eu tiver integrações pré-criadas com base no Painel de status do Google Cloud antes da introdução dos relatórios de status regionalizados e da mudança de nome no Painel do Google Cloud Service Health?

No feed RSS e no arquivo JSON, as informações de status regional são adicionadas às informações que já estavam sendo publicadas antes da introdução do relatório de status regionalizado e da mudança no nome do Painel de status do Google Cloud. Portanto, esperamos que as integrações atuais continuem funcionando. No entanto, se você quiser consumir as informações de status regional nas suas integrações, será necessário modificá-las.

Veja uma descrição detalhada de como as informações regionais são apresentadas no feed RSS e no arquivo JSON:

  • Feed RSS

    As informações de status regional são uma nova adição às informações do feed fornecidas antes da introdução do status regionalizado. Todos os locais informados como afetados são anexados à mensagem RSS.

  • Arquivo JSON

    Antes da atualização do status regional, o Google Cloud publicou um fluxo de incidentes em que cada incidente continha uma lista de produtos afetados e uma lista de atualizações de status para cada um, se houvesse. Essas atualizações de status tinham um campo de string não estruturado que continha ou não as informações de local.

    Agora, o Google Cloud publica um fluxo de incidentes como antes. No entanto, para cada incidente, cada atualização de status contém os seguintes campos novos:

    • updates.affected_locations: contém uma lista estruturada de locais afetados no momento em que a atualização foi publicada. Todos os registros de atualização e most_recent_update contêm esse campo.
    • currently_affected_locations: contém as informações mais recentes sobre os locais que foram ativamente afetados pelo incidente. Ao contrário de updates.affected_locations, essa lista fica vazia depois que o incidente é resolvido, ou seja, quando end é definido como um valor não vazio.
    • previously_affected_locations: contém uma lista de locais que já foram afetados durante um incidente, mas não estão. À medida que o incidente avança, alguns locais podem ter uma resolução de interrupção. Esses locais ainda existirão no previously_affected_locations field. Depois que o incidente é resolvido (ou seja, quando end é definido como um valor não vazio), esse campo contém uma lista de todos os locais que foram afetados durante ele.

O que fazer se eu estiver enfrentando um problema que não está listado no painel?

O painel do Google Cloud Service Health fornece informações de status atuais e históricas de qualquer incidente importante que afete os produtos e serviços do Google Cloud. Se você estiver com um problema que não está listado no painel, talvez ele esteja isolado dos seus projetos ou das suas instâncias ou esteja afetando um número limitado de clientes. Incidentes com menos escopo podem ser listados no Portal de atendimento ao cliente. Você pode entrar em contato com o atendimento ao cliente sobre qualquer problema que não esteja listado no painel.

Se você já usa o painel Personalized Service Health, verifique se o problema está listado para determinar se o projeto ou a instância foram afetados.

Se você estiver usando o console do Google Cloud, clique na ferramenta Enviar feedback no canto superior direito para informar problemas.

Quem atualiza o painel?

A equipe global de atendimento ao cliente monitora o status dos produtos usando muitos tipos diferentes de indicadores e atualiza o painel em caso de um problema generalizado. Se necessário, ela publicará um relatório de análise detalhado sobre o incidente depois que ele tiver sido resolvido.