事故分级是什么
事故等级描述的是影响面与所需的指挥规模，和单条告警的优先级不是同一维度：一条最高优先级的告警可能只是短暂抖动，也可能演变成需要全员响应的事故，判断依据是用户影响与资金风险。分级由值班负责人或事故指挥宣布，并配套明确的退出标准，避免事故状态长期悬挂、无人宣布结束。
基本信息
| 适用场景 | 影响范围较大的线上故障与数据风险事件 |
|---|---|
| 分级维度 | 影响面、资金与数据风险、需要协调的团队数 |
| 宣布人 | 值班负责人或事故指挥 |
| 退出标准 | 影响归零并观察一段时间后由指挥宣布关闭 |
典型使用场景
- 核心不可用：支付或登录全挂，需全员响应并统一指挥
- 主要功能降级：下单失败率上升，需指挥与专人对外沟通
- 局部影响：单区域慢查询，小组处理即可
- 内部任务失败：无用户影响，走常规工单
- 复盘触发：达到一定等级的事故必须进入无责复盘流程
宣布与退出动作
宣布与退出动作
# 宣布后的标准动作
1. 建立事故频道，写明等级、影响面与当前判断
2. 指定角色：指挥、技术处置、沟通负责人
3. 确定状态更新节奏（如每 15 到 30 分钟一条）
4. 登记影响范围：受影响业务、地域、用户规模
# 退出标准示例
影响归零 -> 观察 30 分钟无复发 -> 由指挥宣布关闭 -> 排期复盘
# 注意：宣布事故不是追责，而是调动资源与明确指挥事故分级参考
| 级别 | 判据 | 指挥规模 | 示例 |
|---|---|---|---|
| SEV1 | 核心不可用或资金损失风险 | 全员响应加指挥 | 支付全挂、数据损坏风险 |
| SEV2 | 主要功能明显降级 | 指挥加专职沟通 | 下单失败率明显上升 |
| SEV3 | 局部影响 | 小组处理 | 单区域慢查询 |
| SEV4 | 无用户影响 | 常规工单 | 内部任务失败 |
| 升级规则 | 影响面扩大时当场升级 | 由指挥宣布 | 单区域扩展到全国 |
分级是行动规模的决定器：宁可短暂过度响应，也不要反应不足；影响面持续扩大时应当场升级等级，而不是等复盘时再补记。
退出标准要提前定义：没有退出标准时事故状态会一直挂着，复盘与改进都无从触发，团队注意力也被长期占用。