🚨 Postmortem — Caso 03: Incidente sin causa raiz identificable en 4 horas#

Severidad: SEV-2 (operacion afectada con MTTR fuera de SLO) Estado: Resuelto · Acciones implementadas en el lab Documento: retrospectiva basada en el patron de incidente que motiva este caso

Este postmortem es una reconstruccion narrativa del incidente que justifica la existencia del caso 03. No documenta un incidente real de produccion — documenta el patron operacional que el lab reproduce y resuelve, en formato de postmortem real para evaluacion ejecutiva.

📝 Resumen#

Errores 500 esporadicos en checkout. Sin correlation_id, sin contexto en logs, sin metricas por endpoint.

Blast radius: 240 min (el problema en si fue 15 min, el resto fue diagnosticar a ciegas).

🕒 Timeline (resumido)#

Hora	Evento
T+00m	Sintoma reportado: ver `docs/symptoms.md` para senales tipicas
T+05m	Equipo on-call confirma el patron
T+15m	Diagnostico inicial — herramientas activadas: ver `docs/diagnosis.md`
T+N min	Mitigacion aplicada — opciones evaluadas en `docs/solution-options.md`
Post	Postmortem, action items, fix de mediano plazo (este documento)

🎯 Causa raiz#

Logs en println sin id, sin payload, sin timestamp util. Cuando algo falla, no hay forma de seguir el rastro de una request especifica entre N concurrentes.

Causas estructurales contribuyentes documentadas en root-causes.md.

✅ Lo que funciono#

El bug eventualmente se encontro (race condition en sesion)
El equipo escribio postmortem el mismo dia

❌ Lo que no funciono#

MTTR de 4 h cuando el problema real era trivial
No existia correlation_id end-to-end
Sin estructura JSON, los logs no eran agrupables

🛠️ Action items implementados en el lab#

Implementar checkout-observable con correlation_id propagado
Logs JSON estructurados con event, level, correlation_id, payload relevante
Endpoint /logs que devuelve los ultimos N para audit en vivo
Alerta cuando MTTR > 60 min sin correlation_id presente

Trade-offs de cada accion documentados en trade-offs.md.

📊 Antes / Despues (metrica clave)#

MTTR para mismo tipo de bug: 4 h -> 18 min · correlation_id coverage: 0% -> 100%

🔗 Documentos relacionados#

../README.md — vista ejecutiva del caso
context.md — por que este patron aparece
symptoms.md — senales tipicas
diagnosis.md — estrategia de diagnostico
root-causes.md — causas estructurales frecuentes
solution-options.md — opciones evaluadas
trade-offs.md — costos de cada opcion
business-value.md — impacto en negocio
../comparison.md — comparativa multi-stack del fix

🧭 Para evaluador / reclutador#

Este postmortem sirve como vista de criterio operacional: como se piensa un incidente, no solo como se resuelve. El ../README.md muestra el problema y la solucion; este documento muestra el proceso de razonamiento sobre el incidente.

Caso 03 · Observabilidad deficiente y logs inutiles — ⬅️ README del caso · ⚖️ Comparativa de los 7 stacks

🗺️ Contexto · 🩺 Síntomas · 🔍 Diagnóstico · 🧠 Causas raíz · 🛠️ Opciones de solución · ⚖️ Trade-offs · 💼 Valor de negocio · 🚨 Postmortem