故障应急与排障上线前检查清单:逐项核对

十项里最容易被跳过的是“演练记录”。没演练过的应急流程,真出事时第一次执行就是事故现场。

コラム・情報:故障应急与排障上线前检查清单:逐项核对

十项清单

# 检查项
1 故障等级表已定
2 第一响应人已指定
3 监控项覆盖站点与资源
4 告警接收人已配置
5 止损手册可一屏读完
6 回滚流程已实际验证
7 联系方式已固化在群
8 升级路径明确
9 复盘模板已准备
10 有一次演练记录

三项关键验证

回滚验证

真的回滚过一次,而不是“理论上能回滚”。验证内容包括代码、配置与数据。

告警验证

主动触发一次告警,确认能收到、能识别、能定位。

演练记录

模拟一次“站点不可访问”,记录从发现到恢复的耗时。

三项验证完之后,流程才算可用。

检查方式

  • 逐项实际点开确认。
  • 不确定项标记并约定期限。
  • 关键项留截图或记录。

上线后的维护

  • 每季度重核一次。
  • 人员变动当天更新响应人。
  • 新增监控项时同步配置告警。

常见失效

  • 告警发到离职员工邮箱。
  • 手册过长,出问题时没人看。
  • 只演练过“重启”,没演练过“回滚数据”。

边界

清单按中小站点设计。多团队协作或合规要求强的场景需补充审批与通报流程。

相关阅读: