运维必备制度：故障分级和处罚规范

作者简介

唐文，《海量运维、运营规划之道》一书作者，关于海量运维、运营规划，我想业界都没有准确的定义，假如说互联网的架构师用能否设计多高的摩天大楼来衡量架构能力，那运维、运营更多的是在关注互联网服务的质量、效率、成本、故障、瓶颈，用户的忍耐、抱怨等问题。

在接下来的日子里，将以质量、效率、成本为核心，从运营规划、管理、流程/规范、系统/平台，监控、告警、安全、优化、考核等几个维度结合案例来与大家分享自己的体会，内容大致如下所示。

编者按：一个好的制度是可操作、可执行的，不是高高挂起的。每个公司情况不同，制度需要定期根据公司自身情况进行适当修改，以下文章算是一个制度的模板，仅供参考，要想使用肯定还需要修改。

正文

互联网产品提供7*24小时服务，而因人为操作、程序Bug等原因导致服务不可用是影响服务持续运行的重要原因，为了提高各业务产品的运维和运营质量，规范各业务线的服务、故障响应，拟定和发布“故障分级和处罚规范”是非常必要的。

故障分级标准

运营故障中，对非不可抗力所造成的故障归类为“故障”，对于故障将追究故障的分级，故障责任人，及故障处理结果。下面将就各类故障级别进行定义说明，由于故障可能在多方面体现影响，所以故障的综合等级评定原则，取各个方面中严重等级最高者为该故障综合严重等级，故障分级如下所示。

故障分级表

故障奖惩制度

运营故障处理评定是根据相关责任人对故障的响应、处理、完成结果等因素来对故障的处理情况进行综合评定，部门内会依据这个评定来对故障处罚等级进行调整。该评定只用于由部门内决定的故障处罚分级，公司的处罚条例不受此约束。符合下面条件者，可以对故障处罚等级进行适当降级，具体所降等级由部门领导决定，故障升级制如下所示。

故障升级制度表

对于所出现的各级运营故障，如果运营故障的主要原因由人为工作疏忽/失误所导致，参照以下处罚标准对个人和项目组进行相关惩处，任何运营故障，要及时通报相关领导或相关处理人员，对于延报、瞒报故障者，将从严处罚，故障分级及处罚如下所示。

故障分级表

作者：唐文

来源：51CTO