긴급 장애 발생 시 어떻게 대응하고, 그 과정에서 어떤 점을 최우선으로 고려하나요?

긴급 장애 대응에서 제가 가장 먼저 하는 건 서비스 영향 범위를 파악하는 것입니다. 어떤 사용자가, 어느 기능이 영향을 받는지를 빠르게 확인해야 대응 우선순위가 정해집니다. 수업 실습에서 서비스 다운 시나리오를 다뤘을 때, 원인 파악보다 먼저 사용자 영향을 줄이기 위한 임시 조치(트래픽 전환, 롤백)를 선택하는 것이 더 중요한 순서였습니다. 원인 분석은 서비스가 안정된 뒤에 충분히 할 수 있지만, 장애 시간이 길어질수록 복구 비용이 기하급수적으로 올라갑니다. 이후에는 반드시 타임라인을 기록하고 재발 방지 조치를 문서화하는 것까지를 대응의 일부로 봅니다. 앞으로도 서비스 영향 범위 파악을 첫 번째 단계로 두고 임시 조치를 먼저 취하는 방식을 유지하겠습니다.

원인 분석보다 서비스 복구가 먼저고, 재발 방지는 그 다음 단계입니다. 타임라인 기록과 사후 문서화까지를 대응의 일부로 보는 것이 같은 장애를 반복하지 않는 유일한 방법입니다.