Gestão de Incidentes: coordenar e recuperar

Objetivos e percurso

Percurso técnico de doze módulos com exemplos fictícios de APS. Inclui modelos de cronologia e coordenação, laboratório HTTP/SQLite com confirmação perdida após commit e repetição concorrente, e análise de dados sintéticos por grupo, janela e cardinalidade. As novas oficinas ligam observações a decisões de mitigação limitada, compatibilidade de rollback e aceitação operacional. Treze grupos de análise passaram duas vezes, com SQL e resultados guardados. Avaliação interna de 62 decisões em 130 minutos. Quantidades atingidas não substituem prática em equipa, ensaios representativos e revisão independente, ainda pendentes.

Para quem: Equipas APS L2/L3, infraestrutura, SRE, administração de sistemas e gestores técnicos.

Pré-requisitos: Noções de aplicações, monitorização e suporte à produção; não pressupõe processos internos de qualquer banco.

770 minutos de estudo estimados

• Identifica o serviço afetado e decide quando mobilizar resposta coordenada.
• Organiza equipas e alterações para manter uma resposta coerente.
• Testa hipóteses e reduz impacto com ações proporcionais e verificáveis.
• Comunica impacto e incerteza e mantém uma cronologia útil.
• Transfere responsabilidade e valida o serviço antes de declarar recuperação.
• Converte o incidente em melhorias acompanhadas e verificáveis.
• Mede impacto e trabalho pendente, atualiza previsões quando as condições mudam e comunica o alcance de uma mitigação.
• Mantém decisões rastreáveis e continuidade entre equipas, usando um guião de simulação com mudanças de contexto.
• Observa falhas HTTP controladas e compara o estado do processo, da operação e da confirmação do cliente.
• Coordena a retoma do serviço e o tratamento de resultados anteriores sem confundir mitigação com encerramento.
• Investiga falhas escondidas por agregação, filtros, ausência de amostra e chegada tardia de evidência.
• Escolhe uma mitigação com exposição limitada e distingue avanço do ensaio, recuperação funcional e aceitação operacional.

Módulos

1. Triagem e impacto
2. Coordenação e responsabilidades
3. Diagnóstico e mitigação
4. Comunicação e evidência
5. Passagem de turno e recuperação
6. Aprendizagem e prevenção
7. Impacto, backlog e previsões
8. Estado, handover e exercício de coordenação
9. Laboratório HTTP e resultados incertos
10. Recuperação parcial e reconciliação
11. Impacto por grupo e qualidade dos dados
12. Comparação controlada e aceitação da mitigação

Continua a aprender

Avaliações técnicas

• Suporte de produção L3
• Monitorização e observabilidade
• ITIL 4 Foundation
• Gestor de projetos técnicos

Referências e versão

Incident management practices 2026-09; scoped Google SRE, PagerDuty and Atlassian examples

• Managing Incidents · 2026-10-04
• Incident response · 2026-10-03
• Effective Troubleshooting · 2026-10-04
• Postmortem Culture · 2026-10-04
• Incident state document example · 2026-10-04
• Severity definitions and coordinated response · 2026-09-30
• Incident roles and scalable responsibility · 2026-09-30
• Coordinated investigation and repair · 2026-09-30
• External Communication Guidelines · 2026-10-04
• Impact timeline and follow-up records · 2026-09-30
• Subteams and span of control · 2026-09-30
• Incident and response-process review · 2026-09-30
• Recording decisions actions and follow-up · 2026-09-30
• Escalation fatigue and role conflicts · 2026-09-30
• Incident assessment escalation and communications · 2026-09-30
• Handling overload · 2026-10-03
• Addressing cascading failures · 2026-10-03
• Monitoring Distributed Systems · 2026-10-04
• Postmortem culture: learning from failure · 2026-10-03
• datetime: basic date and time types · 2026-10-03
• time: time access and conversions · 2026-10-03
• fractions: rational numbers · 2026-10-03
• Making retries safe with idempotent APIs · 2026-10-04
• Python http.server · 2026-10-04
• Python sqlite3 transactions · 2026-10-04
• Monitoring · 2026-10-04
• Implementing SLOs · 2026-10-04
• Canarying Releases · 2026-10-04
• Built-in Aggregate Functions · 2026-10-04
• SELECT · 2026-10-04
• SQL Language Expressions · 2026-10-04
• Ensuring rollback safety during deployments · 2026-10-04