故障应急与排障:先搞清这 6 个概念

应急流程不好用,往往不是写得少,而是概念混着用。六个概念分清后,流程自然清楚。

コラム・情報:故障应急与排障:先搞清这 6 个概念

六个概念

概念 一句话定义
故障等级 按影响面划分的严重程度
响应时限 从发现到有人接手的最长时间
止损 先恢复可用,不追根因
根因 导致故障的根本原因
复盘 事后定位与改进
值班 谁在什么时候负责

故障等级

常见三档:

  • 高:全站不可访问或核心功能失效。
  • 中:部分功能异常,有替代路径。
  • 低:样式、文案、非核心页面。

分级的意义是决定“谁被叫醒”。

响应时限

  • 高:15 分钟内有人确认。
  • 中:1 小时内确认。
  • 低:当日处理。

时限承诺的是“确认”,不是“修复”。

止损

  • 回滚最近变更。
  • 切到备用环境。
  • 临时关闭出问题的功能。

止损优先于找原因,因为用户在等。

根因

  • 在止损之后进行。
  • 需要日志、变更记录与时间线。
  • 结论要能转成一条可执行的改进项。

复盘

  • 写清时间线:何时发现、何时止损、何时恢复。
  • 写清失效的控制点。
  • 给出改进项与负责人。

值班

  • 明确第一响应人。
  • 明确升级路径(多久没人接手就升级)。
  • 交接本记录未闭环事项。

概念混用的后果

  • 把“止损”当“修复”,问题反复出现。
  • 没有等级,所有问题都叫“紧急”。
  • 复盘只写现象,没有改进项。

边界

本文讲概念,具体流程设计见同簇其他文章。等级划分需按自身业务影响面确定,不宜照搬。

相关阅读: