事后分析至少要包含這些內(nèi)容:

1.事故描述。
 
2.根本原因描述。

3.事件是如何穩(wěn)定或修復(fù)的。

4.用于解決事故的行動的時間表。

5.事故是如何影響客戶的。
 
6.糾正或改正動作。

前5項(xiàng)讓有關(guān)各方對事實(shí)有共同的了解。很多事故重復(fù)發(fā)生，就是因?yàn)槿藗儾焕斫獾降装l(fā)生了什么，以及問題是如何修復(fù)的。不同團(tuán)隊(duì)以及不同層級的管理者聚集在一起進(jìn)行事后分析時，對到底發(fā)生了什么的理解是不同的。事后分析時，與事故明顯有關(guān)的人員都要同時到場，對事故的真實(shí)情況作出共同的描述。對真實(shí)情況沒有確實(shí)的描述，就無法明確及正確地采取行動，而這應(yīng)該是事后分析的最大用處。



確定根本原因應(yīng)該是做，而不是說。但我卻無法告訴你，有多少次這樣的事后分析會，與會者花了大量的時間爭論每一個可能的糾正項(xiàng)或者有多少客戶受影響，只是覺得他們在浪費(fèi)時間，因?yàn)楦揪蜎]搞清真正的根本原因。

對于穩(wěn)定步驟也是如此。往往在一次重大事故故的混亂中，有多個人會試圖進(jìn)行多次修復(fù)。要確定真正的根本原因以及采取的步驟，在繼續(xù)之前要使系統(tǒng)穩(wěn)定下來。注意，事件也有可能不需要修復(fù)就可以穩(wěn)定下來。像重啟服務(wù)器以解決內(nèi)存泄漏這樣的事件，不需要修復(fù)的，但要消除對客戶造成的影響。盡管可以穩(wěn)定一段時間，但如果沒有找到真正的根本原因的話，服務(wù)器很快就會又發(fā)生內(nèi)存不夠的問題了。

確定事故多久能夠修復(fù)的時間表是很重要的。同樣，每個人對時間表的理解也各不相同。在動手修復(fù)之前，讓每個人都列出自己所了解的修復(fù)項(xiàng)，會減少修復(fù)時間(Time to resolve-ttr)。要確?；卮鹣旅娴膯栴}:

● 事故什么時候開始影響客戶的?(注:并非所有事故都對客戶有影響)
 
● 公司中什么時候有人開始意識到發(fā)生問題了?

● 此人是如何意識到發(fā)生問題的?通過監(jiān)控?客服團(tuán)隊(duì)?還是個人報告？

● 有關(guān)事故的情況到達(dá)最終解決問題的人，要花多長時間?

● 什么使得人們能夠?qū)﹀e誤進(jìn)行早期診斷?(例如，更好的監(jiān)控，能夠被充分理解的排錯指南，等等)
 
● 穩(wěn)定步驟要花很長時間嗎?能否將穩(wěn)定步驟自動化，或者簡化穩(wěn)定步驟以加快速度?減少事故的TTR時間，就跟消除事故本身一樣重要。最終，重要的是影響客戶的總時間(TTRX受影響的客戶數(shù))。有些宕機(jī)是無法避免的，但假如能夠保證快速恢復(fù)，則受益的還是客戶。

在確定了客戶所受影響之后，你可能需要對事件賦予一個嚴(yán)重級別?？梢越⒆约旱膰?yán)重程度的類別，或者使用這個例子:

嚴(yán)重級別1:網(wǎng)站宕機(jī)影響大批客戶方。

嚴(yán)重級別2:網(wǎng)站降級運(yùn)行、性能問題或很難應(yīng)對的功能故障。

嚴(yán)重級別3:對客戶影響不大或易于應(yīng)對的其他服務(wù)問題。

對網(wǎng)站建設(shè)維護(hù)問題賦予嚴(yán)重級別，將幫助你按照輕重緩急來處理糾正項(xiàng)，而且對于活躍事件的評估也是有用的。在試圖解決問題之前，可能已經(jīng)對其賦予了一個嚴(yán)重級別，所以，就能夠確定，當(dāng)前事件是一個5級火警，從而需要全力以赴，還是僅僅是雷達(dá)上的一個小光點(diǎn)。