查看原文

Postmortem 是旨在从发生的事故中汲取经验的流程，它一般是一种基于事故的分析和讨论。系统变得复杂后，故障无法避免，评估和补救也需要跟进，而这些需要花时间去分析数据。很多 Post-Mortem 报告非常耗时，要跟不同团队沟通，找出信息拼在一起得出结论。Post-mortem 的产出可以有很多形式：Learning Review, After-Action Review, Incident Review, Incident Report, Post-Incident Review, Root Cause Analysis (RCA).

一份好的 Post-mortem 报告需要讲好故事，因此它需要包括：

• 事件概览：什么服务/哪些客户收到了影响，Issue 有多久又多严重，谁在处理，以及到底最终怎么修复这个问题。
• Root Cause Analysis：故障的根源是什么？究竟为什么会发生？
• 处理措施：当时如何诊断/评估的？哪些诊断是有用的？哪些诊断是有害的？
• 时间线：从聊天记录和事故细节中拼凑出关键的时间点。
• 经验教训：什么做得好，什么做的不好，下次怎么避免事故再次发生。