Опишите ваш опыт участия в постмортеме инцидента (incident review).

Участвовал в разборе инцидента, связанного с отказом API под высокой нагрузкой. Основные этапы:

1. Сбор информации: Анализ логов ошибок и метрик (CPU, память) в Grafana/Prometheus.
2. Воспроизведение: Создание сценария в тестовом окружении для локализации проблемы.
3. Анализ корневой причины (RCA): Выявлена утечка памяти в микросервисе из-за некорректной логики кэширования, не учитывавшей TTL.

Пример критичной ошибки в логах:

ERROR [OutOfMemoryError] API service crashed. RPS before failure: ~500

Предпринятые действия:

• Создал подробный баг-репорт в Jira с приложением дампов памяти и шагами воспроизведения.
• Предложил временное решение — увеличение лимитов памяти и настройка более агрессивного алертинга.
• Участвовал в проверке фикса (очистка кэша по TTL) и последующем нагрузочном тестировании.

Результат: Проблема устранена, добавлен мониторинг потребления памяти для ключевых сервисов.