事故指挥（Incident Command）流程与角色分工

本文目录#

• 事故指挥角色
• 流程
• 工具与模板
• 最佳实践
• 自检清单
• 参考资料

事故指挥角色#

• Incident Commander (IC)：总体协调、决策、沟通；
• Operations Lead：执行技术操作；
• Communications Lead：对内对外通报；
• Scribe：记录事件与时间线；
• Subject Matter Expert：提供专业支持。

流程#

1. 触发：告警或人工报告；
2. 评估：确认严重等级，召集团队；
3. 分配角色：IC 指定各角色，建立沟通频道；
4. 缓解措施：Ops Lead 实施回滚、降级、限流；
5. 沟通：定期向利益相关者更新状态；
6. 结束标准：指标恢复、业务确认；
7. 事后复盘：输出报告、改进行动项。

工具与模板#

• ChatOps（Slack、Teams）指定 war-room；
• PagerDuty、Opsgenie 值班调度；
• Runbook 模板（Google Docs/Confluence）；
• 时间线记录工具（Blameless、JupiterOne）。

最佳实践#

• 单人负责决策，避免多人争夺；
• 定期训练（GameDay）；
• 建立错误预算、发布策略联动；
• 复盘时关注流程与系统改进，不归咎个人。

自检清单#

• 是否定义清晰的角色与替补列表？
• 是否建立统一的事故通报模板与节奏？
• 是否追踪改进项并在后续验证？

参考资料#

• Google SRE Workbook - Incident Response：https://sre.google/workbook/incident-response/
• PagerDuty Incident Response 文档：https://response.pagerduty.com/
• Atlassian Incident Handbook：https://www.atlassian.com/incident-management/handbook

---

本作品系原创，采用知识共享署名-非商业性使用-禁止演绎 4.0 国际许可协议进行许可，转载请注明出处。