故障问题处理指南

一、概述

线上故障问题处理一般分为以下几个步骤：

• 故障发现

• 故障处理

• 故障复盘

在故障处理期间，无论是哪一个阶段，要记住我们的首要目标是“止损”，尽快恢复、消除故障影响，这并不代表我们完全定位了故障问题，也不代表解决方案是完美的，因为这些是可以恢复后复盘的。

二、故障发现

及时发现故障是处理故障的前提，越早发现问题，就越能减少故障带来的影响，我们应当尽可能通过自动化的方式主动发现问题。

主动发现

是指通过技术指标监控报警，业务指标监控报警，巡查手段发现线上问题。值班期间应当主动巡查负责系统的各项指标，各类监控是否正常。

常用的监控类型：

被动发现

被动发现是非自身技术监控发现的问题，如通过其他系统负责人、产品、运营、客服的反馈才发现问题，团队应当确保团队成员都加入到问题处理群：

三、故障处理

核心原则：

• 语音沟通 优于 文字沟通

• 团队协作 优于 孤军奋战

• 优先止