Google 事后回顾检查清单【文档模板】

post thumb
翻译
by 王英伟/ on 21 Sep 2019

Google 事后回顾检查清单【文档模板】

社区译者:王英伟-北京

审校:刘征

原作者: Google SRE

原文地址:http://g.co/SiteReliabilityWorkbookMaterials

英文原档案本地下载:[下载](/doc/Google-Postmortem Checklist.docx)

第一部分

1-1 事故数据收集

  • 1、概要描述受到的影响
  • 2、影响范围澄清
    • 2.1、受影响的用户
    • 2.2、受影响的区域
    • 2.3、受影响的客户
  • 3、严重性分类澄清
  • 4、事故完整的 MTTx 时间线跨度度量

1-2 根因分析

  • 1、充分说明所有导致根本原因发生的细节
  • 2、使用 5 why 或者其他根因技术工具确保进行深度的分析
  • 3、确定事件触发因素
  • 4、决定实践相关的根因类型

1-3 经验教训 & 设计行动计划

  • 1、调研那些地方进展顺利,那些方面做得不好,那些方面属于运气好
  • 2、利用经验教训确定下一步的行动事项
  • 3、确保每条行动事项都在跟踪系统中都有一个跟踪单(如 Jira 中的 Bug 单)
  • 4、确保涵盖两个关键的类型:缓解预防

第二部分 - 行动事项检查单

  • 1、行动项是否是都是可实现的,并获得了 PO 产品负责人的检查确认?
  • 2、你是否考虑过改善 预防解决时间 的方法?
  • 3、你是否考虑过其它相似性的(或者相似事故)事故,以及相关的可参考行动计划?
  • 4、你是否考虑过如何用自动化的方式阻止人为失误?
  • 5、你的事后分析清单是否至少有一个关键级或者高优先级的行动项?如果没有,利益干系人是否可接受降低了之后的风险?
  • 6、你是否与责任小组(负责人)就执行的行动项进行了交流?

第三部分 - 评审/审批/社交化

  • 1、你的事后分析清单是否按照团队的正常通过了评审/审批?
  • 2、是否删除/修改了任何指责性语言?
  • 3、你和初始的利益干系人共享了事后分析清单吗?
  • 4、你和团队共享了事后分析清单吗?
  • 5、是否能从仪表盘和工具中获取到你的事后分析清单?
  • 6、你的事后分析清单是不是无指责性的,并且专注于系统改进的?

词汇表

  • 严重性分类:用于帮助分析事故的严重性类别
  • 5-whys: https://en.wikipedia.org/wiki/5_Whys
  • 触发:在时间段内事故影响产生的时间点
  • 相似事故(同频事故):性质相似,但可能不是完全重复的事故
  • 概要描述:用于报告高阶的状况,比如那些浅显的产品介绍。「译者注:目标是任何人都可以看懂」
  • MTTx:x的平均时间(X 可以是故障的(检测|升级|缓解|解决)的时间)
Tags: