線上系統不可能不發生故障事件，遇到時直接重啟服務就好了！？這樣一來 SRE 不就變成 Service Restart Engineering 了，雖然系統故障原因有很多種，但應該要有一套完整且科學的做法，讓系統盡可能在短時間內恢復正常進而確保服務品質；所以此分享將公開自己組織內所建立的 On-Call 文化，從監控系統開始談起，接著提到事件發生時的應對方式，最後討論故障排除後該做的事情，雖然不一定能適用於不同的組織，但希望能給身在同一個領域的從業人員參考。