Runbook: Incident Response

Prioritizace

Severity	Popis	Reakce
P0	Produkce nefunguje	Okamžitě — rollback + eskalace
P1	Degradovaný výkon / částečný výpadek	Do 15 min — diagnostika
P2	Staging problém	Do 1h

Postup

1. Detekce

• Health check selhal
• Alert z Argus (Prometheus/Grafana)
• Hlášení od uživatele / agenta

2. Diagnostika

# Kontrola kontejnerů
ssh root@<server> "docker ps -a"
ssh root@<server> "docker compose -f /opt/<projekt>/docker-compose.yml logs --tail=100"

# Kontrola zdrojů
ssh root@<server> "df -h && free -h && docker stats --no-stream"

3. Reakce

• Kontejner spadl → restart: docker compose up -d
• Opakovaný pád → rollback (viz Rollback)
• Disk plný → vyčistit logy: docker system prune
• DB nedostupná → zkontrolovat DO Managed DB status

4. Komunikace

# Nahlásit PM
curl -s -X POST "$RELAY_URL/api/messages" \
  -H "Content-Type: application/json" \
  -H "X-Api-Key: $RELAY_KEY" \
  -d '{"to":"pm","type":"ALERT","subject":"INCIDENT: <popis>","body":"<detaily>","from":"sentinel"}'

5. Post-mortem

Po vyřešení zapsat: - Co se stalo - Proč se to stalo - Co jsme udělali - Jak tomu předejít