Dou*_*xem
14
sla
outage
上周我们发生了相当严重的中断，影响了几项服务，这使我们无法与客户达成 SLA。现在一切都已解决，我正在进行事后审查。
通过这次审查，我想提出一份内部文件，描述中断、其影响、我们的响应和解决方案。我想提出一个相当标准的形式以供将来重用。我已经在下面列出了我的想法，但还应该包括哪些其他项目？如果这是与安全相关的事件，您会添加什么？
- 摘要事件的执行级别摘要。
- 受影响的服务
- 影响对我们的用户和 SLA 有何影响？是否存在以美元计算的成本、错过的交易、失去的客户等？
- 中断持续时间对于每个受影响的服务，如果有差异
- 原因包括主要和次要原因
- 解析度
- 事件时间表通知、与外部供应商的联系、客户通知、响应等。
- 我们的响应存在问题 我们对中断的响应是否没有按计划进行？正确的人通知？供应商是否履行了合同义务？
- 要采取的预防措施我们如何防止这种中断再次发生或减少其影响？
- 检测方法我们检测到这次中断的效果如何？我们将来如何改进检测？
- 在未来的停电响应中进行的更改
尽量将帖子简化为一项和解释，并且可以使用最高投票的答案更新此帖子。