MTTR (Mean Time to Recovery), ook wel Mean Time to Restore genoemd, meet de gemiddelde duur die nodig is om te herstellen van een systeemfalen of service-uitval. Het omvat de volledige incidentcyclus: van het moment van falen tot detectie, melding, diagnose, herstel en verificatie dat de service volledig operationeel is.
MTTR wordt berekend door de totale hersteltijd van alle incidenten te delen door het aantal incidenten. Als vier incidenten in een maand respectievelijk 8, 23, 45 en 12 minuten kostten om op te lossen, dan zou de MTTR zijn: (8 + 23 + 45 + 12) ÷ 4 = 22 minuten.
De metriek omvat verschillende opeenvolgende fasen:
| Fase | Betekenis |
|---|---|
| Detectie | Tijd tussen falen en waarschuwing van het monitoringsysteem |
| Melding | Tijd voor waarschuwing om de on-call-medewerker te bereiken |
| Diagnose | Tijd om de hoofdoorzaak te identificeren |
| Herstel | Tijd om een oplossing toe te passen (rollback, herstart, configuratiewijziging) |
| Verificatie | Tijd om te bevestigen dat de service normaal is hersteld |
MTTR is een van de kernmetreken van DORA-metriek die moderne DevOps-teams gebruiken om betrouwbaarheid en reactievermogen te meten. Het werkt samen met uptime-monitoring en health checks om systeemstabiliteit bij te houden.
WarningDetectie vertegenwoordigt vaak het grootste deel van MTTR. Een monitoringsysteem dat elke 5 minuten controleert, voegt gemiddeld 2,5 minuten vertraging toe ten opzichte van een systeem dat elke 30 seconden controleert. MTTR meet de duur van incidenten, niet de frequentie—een team met snel herstel maar veel incidenten levert nog steeds een onbetrouwbare ervaring op.