Checklist de Handoff On-Call para Plataformas Go

Engenheiros on-call de saída documentam o estado da plataforma para que o engenheiro on-call de entrada comece com contexto, não com um pager em branco.

Use esta checklist em cada mudança de turno para microsserviços, workers e tiers gRPC Go.

Como Usar Esta Checklist

• Complete em até 30 minutos após o fim do turno; o engenheiro de entrada reconhece por escrito.
• Link dashboards e tickets; não dependa apenas de transferência verbal.
• Marque N/A para turnos tranquilos, mas ainda assim confirme o roteamento de alertas e o status do freeze de deploy.
• Armazene a nota de handoff no canal da equipe ou no template de ticket para que seja pesquisável.
• Escalone incidentes SEV-1/2 abertos com uma bridge ao vivo, não apenas com notas assíncronas.

Resumo da Saúde da Plataforma

1. Incidentes ativos: Liste SEV, status, mitigação atual, próximo horário de verificação.
   • Aberto: link para o canal do incidente e comandante.
   • Nenhum: declare explicitamente "nenhum SEV-1/2 ativo".
2. Deploys recentes (últimas 24h): Serviço, SHA, status do canary, regressões conhecidas.
   • Inclua a tag da imagem Go e quaisquer alterações de env GOMEMLIMIT / GOGC.
3. Orçamento de erros / Queima de SLO: Quais serviços estão amarelos ou vermelhos.
   • Observe se há queima apenas de latência sem pico de erros (suspeitas de GC/pool).
4. Status das dependências: Failover de DB, instabilidade de cache, outages de upstream.
   • Separe problemas de plataforma compartilhada de ruído de serviço único.

Runtime e Capacidade Go

5. Memória e OOM: Quaisquer pods OOMKilled no último turno; limites vs GOMEMLIMIT.
   • Link para dashboards de heap/goroutine.
6. Anomalias de GC / latência: Aumentos inexplicáveis em p99; gráficos de pausa de GC.
   • Observe os canaries de upgrade do Go 1.26, se aplicável.
7. Tendências de Goroutine: Serviços com linhas de base de goroutine em ascensão.
   • Link para tickets abertos para investigações de vazamento.
8. Pools de Conexão: Métricas de espera sql.DB elevadas em qualquer tier.
   • Documente experimentos de MaxOpenConns em andamento.
9. Mudanças de HPA / réplicas: Eventos de autoscale durante pico ou incidente.
   • Avise se o dobro de réplicas afeta a matemática de conexão do DB.

Acesso a Ferramentas

10. pprof / acesso admin: Datas de rotação de token, links para runbooks de port-forward.
    • Confirme se o engenheiro de entrada tem acesso VPN/k8s às portas de admin.
11. Sistemas de log e trace: Consultas salvas para os principais serviços.
    • Inclua exemplos de busca por request_id.
12. Alavancas de Rollback: Quem pode aprovar rollback de produção; SHA bem-sucedido mais recente por serviço.
    • Link para o console de feature flag para kill switches.
13. Caminhos de Escalonamento: Contatos secundários, EM, fornecedores para DB/cloud.
    • Fusos horários para mantenedores upstream.

Trabalho Aberto e Riscos

14. Mitigações em andamento: Ajuste de GC de Canary, redimensionamento de pool, flag em 50%.
    • Conclusão esperada e critérios de sucesso.
15. Manutenção agendada: Migrações, renovações de certificado, game days.
    • Conflito com a cobertura on-call?
16. Alertas instáveis: Alertas silenciados ou com limiares ajustados temporariamente.
    • Tempo de expiração para o mute; responsável por corrigir o alerta raiz.
17. Débito técnico conhecido: Serviços sem GOMEMLIMIT, risco de pprof público, exportação WaitCount ausente.
    • Classificação de risco para consciência do engenheiro de entrada.
18. Ações de post-mortem devidas: P0/P1 abertos de incidentes anteriores.
    • Responsável se atrasado.

Reconhecimento do Engenheiro de Entrada

19. Nome e horário de início do engenheiro de entrada: <nome, UTC>.
20. Perguntas esclarecidas: Liste quaisquer ambiguidades resolvidas ao vivo.
21. Status da bridge: Permaneça na bridge se SEV-1 ativo; caso contrário, async OK.

Aplicando a Checklist em Ordem

• Itens 1-4: Imagem do cliente e SLO primeiro - o engenheiro de entrada precisa de contexto de impacto.
• Itens 5-9: Sinais específicos de Go que handoffs de infra genéricos omitem.
• Itens 10-13: Acesso e alavancas - verifique antes que o engenheiro de saída desconecte.
• Itens 14-18: Risco prospectivo para que o próximo turno não seja pego de surpresa.
• Itens 19-21: Feche o ciclo com reconhecimento explícito.

FAQs

Relacionados

• Resposta a Incidentes para Serviços Go - visão geral de triagem
• Template de Post-Mortem para Incidentes Go - estrutura de RCA
• Noções Básicas de Solução de Problemas de Produção - ferramentas de primeiro passo
• Melhores Práticas de Solução de Problemas de Produção - hábitos de prevenção
• Probes de Saúde, Prontidão e Vivacidade - comportamento das probes
• Métricas Prometheus e Dashboards RED-USE - dashboards

Versões de Stack: Esta página foi escrita para Go 1.26.x (padrão Green Tea GC, go fix modernizers - verifique o patch na compilação), chi (última versão - verifique na compilação), gin (última versão - verifique na compilação), echo (última versão - verifique na compilação), google.golang.org/grpc (última versão - verifique na compilação), sigs.k8s.io/controller-runtime (última versão - verifique na compilação), kubebuilder (última versão - verifique na compilação), tinygo (última versão - verifique os alvos de placa na compilação), wazero (última versão - verifique na compilação) e golangci-lint (última versão - verifique o conjunto de linters na compilação).