MTTR·MTTFA (MTTD, MTTEA, MTTPM)

장애 대응을 구간별로 쪼개 재는 시간 지표들이다.

MTTD   장애 발생 → 인지               모니터링이 제 역할을 하는가
MTTFA  장애 발생 → First Action 실행   초기 대응이 빠른가
MTTEA  장애 발생 → 지표가 실제로 회복   조치가 효과가 있었는가
MTTR   인지 → 완전 복구               운영 병목이 어디인가
MTTIR  장애 발생 → 보고서 완료
MTTPM  장애 발생 → 재발 방지 과제 완료

조합으로 원인을 읽는다

하나만 보면 의미가 약하고, 어느 구간이 긴지를 봐야 진단이 된다.

MTTD 짧고 MTTFA 길다

빨리 알았는데 아무도 결정을 못 내렸다
지휘 체계·사전 정의된 대응 시나리오가 없다

MTTFA 짧고 MTTEA 길다

조치는 빨랐는데 효과가 없었다
친 조치가 원인을 안 건드렸다 (오진)

MTTD 자체가 길다

사용자 제보로 알았다는 뜻
모니터링·알림 임계값 문제

MTTPM 이 길거나 측정 안 된다

보고서만 쓰고 재발 방지가 실행되지 않는다
같은 장애가 반복된다

MTTR만 보면 안 되는 이유

MTTR 은 '인지 → 복구' 라서 MTTD(발생 → 인지) 를 포함하지 않는다

탐지가 30분 늦어도 MTTR 은 짧게 나올 수 있다
사용자가 겪은 실제 장애 시간은 MTTD + MTTR 이다

지표를 쓰는 목적

○ 어느 구간을 개선할지 정하기 위해 ✗ 담당자를 평가하기 위해

후자로 쓰면 장애를 늦게 보고하게 되어 지표도 나빠지고 조직도 나빠진다 (blameless 원칙과 직결)

면접 함정

❌ "MTTR을 줄였습니다"만 → 어느 구간을 어떻게 줄였는지가 실력이다.
❌ 지표를 개인 성과로 연결 → 보고 지연을 유발해 역효과가 난다.

지표를 실제로 수집하려면

각 시각을 기계가 기록할 수 있어야 한다

발생 시각 — 지표 이상이 시작된 시점 (모니터링 시계열에서 역추적)
인지 시각 — 알림 ACK 시각 · 인시던트 채널 생성 시각
First Action — 배포 롤백 로그 · 스케일 이벤트 타임스탬프
회복 시각 — 지표가 정상 범위로 복귀한 시점
사람이 나중에 기억으로 적으면 지표가 왜곡된다
인시던트 관리 도구가 타임라인을 자동으로 남기게 한다

평균의 함정

MTTR 은 이름부터 '평균(Mean)' 이다
- 작은 장애 100건과 대형 장애 1건이 섞이면 평균이 무의미해진다
중앙값과 p90 을 함께 본다
심각도(Sev1/Sev2/Sev3) 별로 나눠 집계한다

개선 우선순위를 정하는 법

구간별 소요를 쌓아 놓고 가장 긴 곳부터 친다

  발생 ──15분── 인지 ──20분── First Action ──5분── 회복
         MTTD        (결정 대기)          (실행)

이 경우 실행은 이미 빠르다
→ 알림 임계값 조정(MTTD)과 결정 권한 위임(MTTFA)이 개선 대상
→ '조치를 더 빨리 실행' 은 여기서 얻을 게 거의 없다