У тебя 5000 серверов, одновременно 200 падают — что ты делаешь?

Сначала оцените влияние и общий признак 200 отказавших узлов: площадку, сеть, изменение конфигурации или общий сервис.

Объявите инцидент, остановите подозрительное изменение и защитите оставшуюся ёмкость. Проверяйте гипотезы на небольшой выборке, распределяя диагностику по направлениям. Не перезапускайте все 5000 серверов; приоритет — восстановление критичного сервиса и ясная коммуникация.