0016-post-mortem-report.md

16. 故障记录报告

Date: 20/04/2017

Status

Accepted

Context

事故频发，处理速度慢，流程不清晰，并且一直未做记录，导致同样的问题会再次复现。

Decision

定义故障报告模板：

1. 对故障进行描述，以便查询并对我们的系统稳定性做评估；
2. 对故障做分析，便于未来可快速处理同样问题；
3. 加监控，以便问题出现前就做处理；
4. 解决并升级方案，完全避免此类问题。

Consequences

故障报告模板

问题描述

• 简单的故障描述（三句话即可）
• 故障出现及恢复时间
• 影响范围
• 根本原因

时间线

• 故障通知时间
• 各种为了恢复服务的操作时间（注意顺序）

原因分析

• 详细的故障描述
• 客观，不要添加粉饰性的内容

做错的事情

做对的事情

将来如何避免此类事情再次发生

• 监控
• 规范
• 预估

Refs: Outage Post-Mortem – June 14 https://www.pagerduty.com/blog/outage-post-mortem-june-14/ How to write an Incident Report / Postmortem https://sysadmincasts.com/episodes/20-how-to-write-an-incident-report-postmortem