Java教程

故障定级标准

本文主要是介绍故障定级标准,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
1. 目的 前端基础是所有前端业务的基石,并保障着前端业务的稳定性和可靠性,前端基础稳定,才能保证前端业务稳定,一旦出现问题,影响范围大,所以保障前端基础的稳定性和可靠性是重中之重,但是随着前端业务量的井喷,以及基础设施的复杂性,问题的多样性,对故障处理过程的规范性、专业度要求越来越高。 因此,为了加强基础技术团队的质量意识,责任意识,提高基础团队的故障处理和协作能力,特制订本制度,规范团队的故障管理,并实现标准化、流程化。 2. 适用范围 前端基础技术团队 3. 定义解释 3.1 职责定义
序号 角色 故障责任定义
1 开发 因技术方案设计问题、代码实现bug、代码逻辑等问题导致的故障
2 运维 因基础设施变更,不稳定,异常无法提供服务等问题导致的故障
          4. 故障标准 4.1 故障定义 1.发生的、影响业务正常运作的问题或事故,认定为“故障” 2.同一类问题发生频次超过某个数量,也可认定为故障。 4.2 故障分类
序号 类别 定义 举例
1 流程执行类 主要指因未遵照公司或部门既有规范、流程执行而导致的故障,或故障发生后未按照本制度要求处理等情况。 如发布至线上前未进行过测试;发布后未充分进行线上回归验证、未充分观察日志/监控等产生的故障;未及时发布故障通告、或其他“瞒报”、“漏报”等情况;故障响应不及时等
2 人员意识类 主要指因人为主观意识不到位、故意或抱侥幸心理未严格谨慎操作而导致的故障。 如责任意识不强、线上严谨意识不足、安全意识不足等。注:若因人员意识不到位而违反现有流程规范的故障,则直接定义为“流程执行类”故障。
3 能力经验类 主要指个人能力、经验不足,或部门相关业务或技术积累不够导致的故障。 如新业务、新技术或历史技术架构设计等遗留问题
4 监控报警类 主要指未设置监控报警、或监控报警出现问题而引发的故障。 如因告警阈值设置不合理,未及时收到告警进行处理,最终导致发生线上故障。注:未及时响应监控报警,属于流程执行类故障。
5 不可抗力类 主要指因外部不可抗力引发的故障。 如供应商故障(包括不限于机器、网络等故障)、外在环境原因(如施工挖断线路、国家封网)导致的故障等。
4.3 故障等级 4.3.1 故障定级原则 1.故障关键因素时长和影响面 2.影响面和故障时常同时满足,直接定级 3.影响面和故障时长不匹配时,取级别低的故障定级升一级作为最终故障定级1.比如影响时长5-10min,影响60%流量,按时长定级为p4,影响面定级为p1, p4和p1取较小值为p4, p4升一级,作为p3定级2.对外系统最高定级p1, 对内系统最高p2 4.流程故障遵循公司统一原则 4.3.2 通用故障等级定义
故障等级标识 故障等级名词 故障等级定义 影响面 故障时长 故障举例 备注
P1 重大故障 前端业务大部分不可访问,流量受损>=30%,并且持续时间>=60分钟 前端项目不可访问或者访问异常>=30% >=60分钟 腾讯云slb故障导致前端页面全部无法访问  
P2 严重故障 前端业务部分不可访问,流量受损10%~30%,并且持续时间>=30分钟 前端项目不可访问或者访问异常10%~30% >=30分钟    
P3 一般故障 前端业务小部分不可访问,流量受损1%~10%,并且持续时间>=10分钟 前端项目不可访问或者访问异常1%~10% >=10分钟 istio管理面故障导致ingress无法访问到更新后的服务  
P4 轻微故障 前端业务小部分流量访问异常,流量受损1%,持续时间>=5分钟 前端小部分流量访问异常 >=5分钟    
                  基础设施故障定义不涉及由通用故障等级定义兜底。 4.3.3 基础设施故障等级划分定义
序号 基础设施 故障等级 故障时长 影响面 故障举例
1 Istio P1 >=60分钟 istio管理面异常或者不可用  
    p2 >=30分钟 istio管理面异常或者不可用  
    P3 >=15分钟 部分流量转发异常  
    P4 >=5分钟 部分流量转发异常  
2 k8s p1 >=60分钟 Kubernetes master异常或者不可用  
    P2 >=30分钟 Kubernetes master异常或者不可用  
    P3 >=15分钟 部分功能异常  
    P4 >=5分钟 部分功能异常  
3 Coredns P1 >=15分钟 coredns不可用  
    P2 >=10分钟 coredns不可用  
    p3 >=30分钟 coredns部分功能异常如处理缓慢  
4 容器网络 p1 >=15分钟 集群容器网络全部异常  
    P2 >=10分钟 集群容器网络全部异常  
    P3 >=30分钟 单点或者多点容器网络异常  
4 Ingress p1 >=60分钟 Ingress异常或者不可用  
    P2 >=30分钟 Ingress异常或者不可用  
    P3 >=60分钟 部分流量转发异常  
    P4 >=30分钟 部分流量转发异常  
5 告警平台 P1      
    P2      
    P3      
    P4      
6 网关 P1      
    P2      
    P3      
    P4      
7 发布平台 P1      
    P2      
    P3      
    P4      
8 任务平台 P1      
    P2      
    P3      
    P4      
                                                                                                                  4.4 故障升级  
故障等级 故障升级
p1 ----
P2 >=60分钟未解决或者未处理
p3 >=180分钟未解决或者未处理
P4 >=300分钟未解决或者未处理
这篇关于故障定级标准的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!