故障應急與排障怎麼做:一份可執行的設定順序

應急體系不用一次建全。先做“能發現、有人接、能止損”三件事,就能覆蓋大部分事故。

資訊中心:故障應急與排障怎麼做:一份可執行的設定順序

第一步:定等級(半天)

  • 高:全站不可訪問、核心功能失效。
  • 中:部分功能異常。
  • 低:樣式與文案。

寫成一頁表,附判定例子。

第二步:定響應人(半天)

  • 第一響應人(輪換)。
  • 升級路徑:多久無人接手則升級。
  • 聯絡方式固化在羣裡,不靠私聊。

第三步:配監控告警(1 天)

必配四項:

監控 閾值
站點可達 連續失敗 2 次
5xx 比例 超過 2%
伺服器資源 磁碟 80%、記憶體 90%
備份工作 失敗即告警

第四步:備止損手冊(半天)

  • 復原步驟(程式碼、資料庫)。
  • 切換到備用環境的方法。
  • 關閉某功能的開關位置。

手冊要短,能在一屏內讀完。

第五步:建復盤範本(1 小時)

範本包含:

  • 時間線。
  • 影響範圍。
  • 止損動作。
  • 根因。
  • 改進項與負責人。

設定順序的理由

順序 專案 原因
1 等級 決定後續所有動作
2 響應人 沒人接,監控再好也沒用
3 監控 先能發現
4 止損 先恢復可用
5 復盤 防復發

最小可用版本

只有半天時間時,做三件事:定等級、定第一響應人、配站點可達監控。

邊界

流程設定與團隊規模相關。單人維護的站點可簡化爲“自己 + 告警 + 復原手冊”,不必照搬分級體系。

相關閱讀: