故障管理

故障管理在故障生命周期中的位置

• 分维度统计分析规律，形成系统化的改进方向
• 跟进每个case的改进方案，彻底消除隐患
• 前事不忘后事之师，供后续参考

故障定级

事故级别	服务级别	一般事故	严重事故	重大事故	特大事故
对外完全停止服务时间	一级服务	1-3分钟	3－10分钟	10－30分钟	30分钟以上
	二级服务	5-10分钟	10－30分钟	30－60分钟	60分钟以上
	三级服务	10-30分钟	30－60分钟	60分钟以上	不适用
服务部分故障导致的流量损失占单日总流量比	一级服务	0.15%-0.45%	0.45%-1.5%	1.5%-4.5%	4.5%以上
	二级服务	0.75%-1.5%	1.5%-4.5%	4.5%-9%	9%以上
	三级服务	1.5%-4.5%	4.5%-9%	9%以上	不适用
服务功能异常或严重影响用户体验，受影响访问量占单日总流量比	一级服务	3%-9%	9%-30%	30%-90%	90%以上
	二级服务	15%-30%	30%-90%	90%-180%	180%以上
	三级服务	30%-90%	90%-180%	180%以上	不适用
更新延迟或数据错误	一级服务	延迟2小时以内	延迟2-12小时	延迟超过12小时	更新延迟超过12小时且无法恢复
	二级服务	延迟2小时以内	延迟2-12小时	延迟超过12小时	更新延迟超过12小时且无法恢复
	三级服务	延迟12小时以内	延迟12-24小时	更新延迟超过24小时且无法恢复	不适用
收入损失：以最近季度财报中总营收/90计算为单日平均营收，收入损失阈值以单日平均营收百分比计算	一级服务	0.2% ~ 0.5%	0.5% ~ 1%	1% ~ 3%	>3%
	二级服务	0.2% ~ 0.5%	0.5% ~ 1%	1% ~ 3%	>3%
	三级服务	0.2% ~ 0.5%	0.5% ~ 1%	1% ~ 3%	>3%

故障管理流程

case必填字段

• Case：标题、故障发生时间、故障发现时间、止损操作开始时间、止损操作完成时间、止损生效完成时间、服务恢复时间、内容、负责人、损失数量、损失比例、损失类型、触发原因、根因分类、故障持续时长、所属业务、分级发布是否拦截、故障范围。
• TODO：负责人、所属业务、预计完成时间、解决优先级