Incidentes y el panel de estado de Google Cloud

Ciclo de vida de un incidente

Cuando se detecta una degradación del producto, el equipo de Atención al cliente de Cloud y el equipo de ingeniería de productos trabajan juntos para resolver el incidente y comunicártelo.

Diagrama del ciclo de vida

Detección

Google utiliza supervisión interna y de caja negra para detectar incidentes. Para obtener más información, consulta el Capítulo 6 del libro Monitoring Distributed Systems.

Si tienes Asistencia Premium, Mejorada, Estándar, Basada en la Función o Enterprise, puedes informar un incidente mediante la creación de un caso de ayuda en Google Cloud Console. Si cuentas con servicio de asistencia Platino, Oro o Plata, puedes informar un incidente mediante la creación de un caso de ayuda en el Google Cloud Support Center. De lo contrario, puedes usar este formulario.

Respuesta inicial

Cuando se detecta un incidente, el equipo de atención al cliente se comunica contigo. La notificación inicial de un incidente suele ser poco detallada y generalmente solo menciona el producto en cuestión. Esto se debe a que priorizamos brindar una notificación rápida antes que especificar los detalles. Se pueden proporcionar detalles en las actualizaciones posteriores.

Para proporcionarte la mayor cantidad de información posible sin abrumarte con problemas que no te afectan, se utilizan diferentes canales de comunicación según el alcance y la gravedad de un problema:

Diagrama de comunicaciones

El Panel de estado de Cloud es el primer lugar para verificar cuando descubres que un problema te está afectando. El panel muestra incidentes que afectan a muchos clientes, por lo que si ves un incidente en la lista, es probable que esté relacionado con tu problema. Para indicar la gravedad, el panel de estado marca los incidentes como alteración o interrupción. Se publican más avisos provisionales sobre problemas menores, pero aun así generalizados.

Cuando un producto o servicio de Google Cloud relevante informa un problema en el panel de estado de Cloud, es posible que también veas un aviso de interrupción en Cloud Console. Si aparece un aviso de interrupción en Cloud Console, puedes hacer clic en él para obtener más información sobre el estado del problema.

Algunos productos de Google Cloud tienen Grupos de Google a los que puedes suscribirte para recibir anuncios y notificaciones sobre incidentes nuevos en el panel de estado de Cloud.

Los problemas conocidos que aparecen en Google Cloud Support Center y en la página de asistencia de Cloud Console representan la vista más completa de los problemas y, además, incluyen problemas que afectan a menos personas de las que se muestran en el panel. Si sospechas que existe un problema de GCP, pero no ves nada en el panel, debes realizar la verificación aquí.

Los casos de ayuda son apropiados para problemas que no califican como incidentes o cuando se necesita un contacto humano uno a uno. La página de problemas conocidos te permite crear un caso a partir de un incidente publicado para que puedas obtener actualizaciones periódicas y puedas hablar con el personal de asistencia.

Investigación

Los equipos de ingeniería de productos son responsables de investigar la causa raíz de los incidentes. Los ingenieros de confiabilidad de sitios suelen realizar la administración de incidentes, pero otros ingenieros o los ingenieros de software pueden realizar la administración, según la situación y el producto. Para obtener más información, consulta el Capítulo 12 del libro Site Reliability Engineering.

Mitigación/corrección

Un problema se considera corregido solo cuando se realizan cambios que permiten a Google estar seguro de que tales cambios acabarán con el impacto indefinidamente. Por ejemplo, la corrección podría ser revertir un cambio que provocó un incidente.

Mientras un incidente está en curso, el equipo de Atención al cliente y el equipo del producto intentan mitigar el problema. Mitigar un problema es reducir su impacto o su alcance, por ejemplo, si se proporcionan temporalmente recursos adicionales a un servicio que sufre una sobrecarga.

Si no se encuentra ninguna mitigación, cuando sea posible, el equipo de atención al cliente encuentra y comunica las soluciones. Las soluciones alternativas son pasos que puedes seguir para resolver la necesidad subyacente a pesar del incidente. Una solución alternativa podría ser utilizar diferentes configuraciones para una llamada a la API a fin de evitar una ruta de código problemática.

Seguimiento

Mientras un incidente está en curso, el equipo de Atención al cliente proporciona actualizaciones periódicas. Por lo general, las actualizaciones brindan la siguiente información:

  • Más información sobre el incidente, como mensajes de error, zonas o regiones afectadas, qué características están afectadas o porcentajes de impacto.

  • Progreso hacia la mitigación, incluidas las soluciones alternativas.

  • Cronogramas para la comunicación, adaptados al incidente.

  • Cambios en el estado, como cuando se corrige un incidente.

Post mortem

Todos los incidentes tienen un proceso post mortem interno para comprender completamente el incidente y, además, identificar las mejoras de confiabilidad que Google puede hacer. A continuación, se realiza un seguimiento de estas mejoras y se las implementa. Para obtener más información sobre los procesos post mortem en Google, consulta el Capítulo 15 del libro Site Reliability Engineering.

Informe de incidente

Cuando los incidentes tienen un impacto muy amplio y grave, Google proporciona informes de incidentes que describen los síntomas, el impacto, la causa raíz, la corrección y la prevención futura de incidentes. Como ocurre con los proceso post mortem, prestamos especial atención a las medidas que tomamos para aprender del problema y mejorar la confiabilidad. El objetivo de Google cuando escribe y publica procesos post mortem es ser transparente y demostrar el compromiso que tenemos con la creación de servicios estables para nuestros clientes.

Preguntas frecuentes

¿Qué tipo de información de estado puedo encontrar en la página principal del panel?

El panel de estado de Google Cloud proporciona información de estado sobre los servicios que forman parte de Google Cloud Platform. El estado puede incluir problemas o interrupciones del servicio, así como mensajes informativos sobre un problema temporal.

¿Dónde puedo encontrar información sobre interrupciones y alteraciones del servicio en el pasado?

La página Historial y resumen es un repositorio en el que se enumeran las alteraciones y las interrupciones de servicio en los últimos 365 días. Haz clic en el número de un incidente para ver los mensajes relacionados que se publicaron mientras el incidente estaba en curso, así como los informes de resumen de incidente que escribió el equipo de atención al cliente.

¿Qué sucede si tengo un problema, pero no aparece en el panel?

Es posible que el problema solo esté afectando a tus proyectos o instancias, o a una cantidad limitada de clientes. Puedes comunicarte con el equipo de atención al cliente si tienes problemas que no aparecen en el panel.

Si usas Google Cloud Console, puedes hacer clic en la herramienta Enviar comentarios en la esquina superior derecha para informar problemas.

¿Quién actualiza el panel?

El equipo global de Atención al cliente supervisa el estado de los servicios mediante diferentes tipos de indicadores y actualiza el panel en caso de un problema generalizado. Si es necesario, publicarán un informe detallado con un análisis del incidente una vez que esté resuelto.

¿Cuál es la diferencia entre un incidente y una interrupción?

Aunque estos términos a menudo se usan indistintamente, el Panel de estado de Cloud y nuestras comunicaciones externas usan incidente para referirse a cualquier período de servicio degradado y utilizan interrupción para hacer referencia solo a los períodos más graves, en los que un producto no funciona en gran medida.