オンコール

システムの障害やインシデントが収束した後に、発生の経緯、影響、根本原因、対応の良かった点と問題点、再発防止策を分析して文書にまとめる活動、またはその報告書。個人の責任を追及しない（ブレームレスな）姿勢で行い、組織として仕組みを改善することを目的とする。SREで重視される。

SLOで定めた信頼性の目標に対して、許容される障害や品質の低下の量。SLOが稼働率99.9%なら、残りの0.1%がエラーバジェットになる。予算が残っていれば新機能のリリースを進め、使い切りそうなら変更を控えて信頼性の改善を優先する、という判断の基準に使う。

システムの運用や障害対応で、担当者が行う手順を具体的にまとめた手順書。定常の作業の手順、警告を受けたときの確認と対処の手順、エスカレーションの連絡先などを記し、対応の属人化を防いで品質をそろえる。手順をスクリプトにして自動で実行できるようにすることも多い。

システムの外部に出力される情報から、内部の状態をどれだけ推し量れるかの度合い。ログ、メトリクス、トレースを収集して相互に関連付け、あらかじめ想定していなかった障害でも、どこで何が起きているかを調べられるようにする。マイクロサービスのように構成が複雑なシステムの運用で重視される。

セキュリティインシデントの発生から解決までの一連の対応プロセス。検知・連絡受付、トリアージ（優先順位付け）、インシデントレスポンス（対応）、報告・情報公開の各段階で構成される。

インシデントハンドリングにおいて、検知されたインシデントの重要度や影響範囲を判断し、対応の優先順位を決定するプロセス。限られたリソースを効果的に配分するために重要。