| 字段 | 内容 |
|---|---|
| 事故标题 | |
| 事故编号 | INC-YYYY-MM-DD-XXX |
| 严重等级 | P0 / P1 / P2 / P3 |
| 发生时间 | |
| 恢复时间 | |
| 持续时长 | |
| 影响范围 | [多少用户/哪些功能] |
| 复盘日期 | |
| 参与人 |
[用 2-3 句话概述：发生了什么、影响了什么、怎么解决的]
| 时间 | 事件 | 操作人 |
|---|---|---|
| HH:MM | 事故发生（首次异常） | |
| HH:MM | 发现事故（告警/报告） | |
| HH:MM | 开始响应 | |
| HH:MM | [关键操作 1] | |
| HH:MM | [关键操作 2] | |
| HH:MM | 服务恢复 | |
| HH:MM | 确认完全恢复 |
- 发现时间（TTD）：事故发生到被发现 = ___ 分钟
- 响应时间（TTR）：发现到开始处理 = ___ 分钟
- 恢复时间（TTO）：开始处理到恢复 = ___ 分钟
- 受影响用户数：
- 影响的功能：
- 用户体验描述：
- 数据损失：
- 收入损失（如适用）：
- 声誉影响：
[什么直接触发了事故？]
Why 1: 为什么 [事故现象]？
→ 因为 [直接原因]
Why 2: 为什么 [直接原因]？
→ 因为 [更深层原因]
Why 3: 为什么 [更深层原因]？
→ 因为 [更深层原因]
Why 4: 为什么 [更深层原因]？
→ 因为 [更深层原因]
Why 5: 为什么 [更深层原因]？
→ 因为 [根本原因]
[最终的根本原因是什么？]
- [其他促成事故的因素]
- [哪些地方是运气好才没更糟？]
| # | 改进项 | 类型 | 负责人 | 截止日期 | 状态 |
|---|---|---|---|---|---|
| 1 | 预防/检测/恢复/流程 | 待办 | |||
| 2 | 待办 | ||||
| 3 | 待办 |
- 预防：防止同类事故再次发生
- 检测：更早发现问题
- 恢复：更快恢复服务
- 流程：改进响应流程
- 改进措施已纳入 backlog
- 相关文档已更新
- 必要时通知了受影响用户
- 复盘报告已归档
- 设置了改进措施完成提醒
[链接或附件]
- [相关 ADR/设计文档]
- [相关监控面板链接]