首页/开发/CI/CD 与发布速查/事故分级(Severity Levels)
质量门禁与回滚51 条

事故分级(Severity Levels)

按影响范围与业务后果定义等级,并映射响应动作:通知对象、响应时限、是否拉起指挥、是否对外公告;标准要预先写好并演练。

CI/CD 与发布速查开发更新于 2026-10-13

事故分级是什么

按影响范围与业务后果定义等级,并映射到响应动作:通知对象、响应时限、是否拉起指挥、是否对外公告。标准要预先写好并演练——事故现场争论等级会浪费处理时间。升级规则同样要写死:影响扩大或超过阈值时间未缓解,自动升级,而不是靠现场感觉。

基本信息

示例分级S1 核心业务不可用 / S2 主要功能受损 / S3 局部或体验问题 / S4 无用户影响
响应动作S1 立即响应、S2 值班优先、S3 工作时间内
升级影响扩大或超过阈值时间未缓解则自动升级
公告按等级与合规要求选择对外口径
维护标准随业务变化定期复核,借演练校准

典型使用场景

  • 值班响应:按等级决定是否立即呼叫
  • 指挥体系:最高等级建立指挥频道与角色分工
  • 对外沟通:按等级与合规要求准备公告口径
  • 复盘校准:事后核对分级是否准确,修正标准
  • 演练:用历史事故模拟分级,训练判断一致性
  • 趋势统计:按等级统计数量变化,评估稳定性改进

响应映射片段(示意)

响应映射片段(示意)
S1: 立即呼叫 + 建立指挥频道 + 按需对外公告
S2: 值班响应 + 定期同步进展
S3: 工作时间内处理 + 记录待跟进
S4: 记录归档,纳入例行改进

分级速查(示例)

等级场景响应
S1支付不可用立即响应,短时间建立指挥频道
S2下单明显变慢按时限响应,定期同步
S3报表延迟工作时间内处理
S4文案显示错误记录归档
分级标准要在演练中校准:事故现场争论等级会浪费处理时间。
升级条件写死阈值:如某等级超过固定时长未缓解即升级,避免靠感觉拖延。
等级与响应动作成对定义:只写等级不写动作,现场仍不知道该怎么办。

配套动作

  • 对外口径模板:每个等级配套公告模板,公告不临时起草
  • 交接同步:跨班次事故带等级与最新进展,避免升级断档

易错点

  • 分级标准从不演练:实际事故中才发现分级与响应不匹配
  • 所有事故都按 S1 响应:告警疲劳与资源错配
  • 升级靠感觉:没有阈值时间,重要事故被拖延升级
  • 分级只看技术指标:忽略业务影响与用户范围,等级判断失真

数据来源与参考

  • Google SRE Book《Managing Incidents》
  • PagerDuty《Incident Response》文档
​‌‌​​‌​​​‌‌​‌‌‌‌​‌‌​​​‌‌​‌‌‌​​‌‌​​‌​‌‌‌​​‌‌‌​​​‌​‌‌​‌​​‌​‌‌‌​​​‌​‌‌​‌​​‌​‌‌​​​‌‌​‌‌‌​‌​​​‌‌​‌‌‌‌​​‌​‌‌‌​​‌‌​​​‌‌​‌‌​‌‌‌‌​‌‌​‌‌​‌