コラム・情報:故障应急与排障怎么做:一份可执行的配置顺序
第一步:定等级(半天)
- 高:全站不可访问、核心功能失效。
- 中:部分功能异常。
- 低:样式与文案。
写成一页表,附判定例子。
第二步:定响应人(半天)
- 第一响应人(轮换)。
- 升级路径:多久无人接手则升级。
- 联系方式固化在群里,不靠私聊。
第三步:配监控告警(1 天)
必配四项:
| 监控 | 阈值 |
|---|---|
| 站点可达 | 连续失败 2 次 |
| 5xx 比例 | 超过 2% |
| 服务器资源 | 磁盘 80%、内存 90% |
| 备份任务 | 失败即告警 |
第四步:备止损手册(半天)
- 回滚步骤(代码、数据库)。
- 切换到备用环境的方法。
- 关闭某功能的开关位置。
手册要短,能在一屏内读完。
第五步:建复盘模板(1 小时)
模板包含:
- 时间线。
- 影响范围。
- 止损动作。
- 根因。
- 改进项与负责人。
配置顺序的理由
| 顺序 | 项目 | 原因 |
|---|---|---|
| 1 | 等级 | 决定后续所有动作 |
| 2 | 响应人 | 没人接,监控再好也没用 |
| 3 | 监控 | 先能发现 |
| 4 | 止损 | 先恢复可用 |
| 5 | 复盘 | 防复发 |
最小可用版本
只有半天时间时,做三件事:定等级、定第一响应人、配站点可达监控。
边界
流程配置与团队规模相关。单人维护的站点可简化为“自己 + 告警 + 回滚手册”,不必照搬分级体系。
相关阅读: