北京
凌晨3:17，PagerDuty炸了。某SaaS公司的值班工程師從床上彈起來，屏幕血紅一片——支付網(wǎng)關(guān)掛了，訂單流水正在歸零。按常理，這時(shí)候該有人沖進(jìn)Slack頻道喊"全體起床"，然后一群人邊罵邊修，四小時(shí)后天亮才能收工。
但這家公司不太一樣。他們沒有"救火隊(duì)長(zhǎng)"，只有一張寫著SEV0到SEV4的表格。支付網(wǎng)關(guān)宕機(jī)自動(dòng)觸發(fā)SEV0，兩分鐘內(nèi)值班工程師必須完成三件事：開橋接電話、拉指定專家進(jìn)群、宣布"我現(xiàn)在只收集信息，不做判斷"。
這套系統(tǒng)叫"結(jié)構(gòu)化應(yīng)急響應(yīng)"，抄的是航空業(yè)的事故處理手冊(cè)。核心就一句話：「思考是奢侈品，執(zhí)行是必需品」。工程師被禁止在故障前30分鐘做任何根因分析，只能按清單打勾——誰(shuí)看日志、誰(shuí)聯(lián)系云廠商、誰(shuí)準(zhǔn)備回滾。腦子越動(dòng)，手越慢。
效果很粗暴。他們之前的平均修復(fù)時(shí)間是4小時(shí)，現(xiàn)在壓到40分鐘。不是人變強(qiáng)了，是把" panic time"從流程里摳掉了。創(chuàng)始人算過賬：一次SEV0如果拖到早高峰，客戶流失率會(huì)跳漲17%，這還沒算工程師 burnout 的隱性成本。
有個(gè)細(xì)節(jié)很有意思。他們的值班手機(jī)不是發(fā)給最資深的工程師，而是輪流抽簽—— senior 反而容易憑經(jīng)驗(yàn)瞎猜， junior 更聽話，清單執(zhí)行得更干凈。上個(gè)月一次數(shù)據(jù)庫(kù)主從切換失敗，抽簽抽中的實(shí)習(xí)生按步驟走完，26分鐘解決。隔壁組的老兵同期遇到類似問題，邊查邊罵，修了兩個(gè)小時(shí)。
特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺(tái)“網(wǎng)易號(hào)”用戶上傳并發(fā)布，本平臺(tái)僅提供信息存儲(chǔ)服務(wù)。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
