Accueil / Plusieurs agents et vérification adverse

Trois états d'échec, et accepter un risque proprement

Une automatisation qui traite une file devrait distinguer succès, échec récupérable qui sera retenté, et échec définitif abandonné, et seul le troisième doit remonter à une personne, sinon chaque échec récupérable éteint la valeur de l'alerte le jour où elle a raison ; accepter un risque avec un contrôle compensatoire diffère de l'ignorer, un instantané pris avant l'exécution permettant de classer le résultat en trois voies, variation normale silencieuse, changement important qui alerte seulement, perte catastrophique qui restaure automatiquement.

Une file de tâches automatisées produit trois résultats possibles pour chaque élément traité : un succès, un échec récupérable qui sera retenté plus tard, et un échec définitif qui restera en échec quoi que le système fasse ensuite. Confondre les deux derniers dans une seule catégorie d'échec casse la valeur de toute alerte construite dessus.

Pourquoi confondre les deux échecs éteint l'alerte

Si chaque échec récupérable déclenche la même alerte qu'un échec définitif, une équipe reçoit une notification pour un incident qui va probablement se résoudre tout seul au prochain essai. Répétée assez souvent, cette alerte perd sa valeur : les personnes qui la reçoivent apprennent à la fermer sans la lire, parce que la plupart du temps elle ne signale rien qui exige une action immédiate. Le jour où elle porte enfin un échec définitif, la réaction attendue ne vient plus, exactement parce que l'alerte a eu raison trop souvent pour de mauvaises raisons. Un dépassement de délai réseau ponctuel illustre un échec récupérable typique, il disparaît souvent au prochain essai ; une donnée manquante à la source, qui ne réapparaîtra pas toute seule, illustre un échec définitif typique.

resultat = traiter(tache)

si resultat == succes:
    ne rien signaler

sinon si resultat == echec_recuperable:
    remettre la tache en file, ne pas alerter

sinon si resultat == echec_definitif:
    alerter une personne

Accepter un risque, ce n'est pas l'ignorer

Un contrôle compensatoire accepte le risque d'une action plutôt que de l'empêcher à l'avance : il laisse l'action se produire, puis vérifie après coup si elle a eu l'effet attendu. Un instantané pris avant l'exécution rend cette vérification possible en donnant un point de comparaison, le résultat obtenu se classe alors en trois voies, une variation normale qui reste silencieuse, un changement important qui alerte sans agir seul, et une perte catastrophique qui déclenche une restauration automatique. Un contrôle compensatoire qui n'a jamais été déclenché sur des données de test ne mérite pas encore la confiance qu'on lui accorde. Une leçon précédente montre que multiplier les agents ne rend pas un résultat plus fiable ; distinguer proprement ces trois états d'échec est une autre façon de garder la main sur ce qui remonte réellement, plutôt que de laisser chaque alerte se déclencher au même niveau.