从系统稳定性，转向客户稳定性

自打去年初进入到云计算这个行业，面对了更多更复杂、场景更多样化的稳定性问题，说人话就是，遇到了更多不同原因的故障。

其实，这大半年来，有一个思维意识上的转变，就是从系统维度的稳定性保障，转向以客户为中心的稳定性保障。

这两天正好跟几位大佬一起吃饭，聊最近的一些感受感悟时，不约而同都提到了这个点。

举几个例子（不特指）：

1、有客户选择了视频产品，总是反馈卡顿或者有一些不成功，但是盯着后端系统指标看，稳如狗，成功率、时延、在线用户等等都没有特别大的变化。

但是客户反馈有问题还是得看，后来发现很多问题都是线路调度、三四线城市覆盖、海外覆盖，专线覆盖问题，甚至是客户自己移动网络，或者是当地运营商网络质量问题。

最奇葩的是，前段时间微信8.0升级，很多用户在微信内开播会有很大的失败率，最终定位出来确实新版本引起的。

2、某地市运营商门店，给领导反馈CRM系统故障率太高，老是不好用，结果对IT部门考核造成很大影响。

具体定位下来，发现其实有的营业厅使用的pc电脑很老，机器很慢，但是访问你的系统是慢的，不好意思，就是你慢，一个网页菜单没点准，点了没反应，这不是问题，这叫网页故障。

IT部门根据年初制定的SLA 99.99%的指标，确实相反的体现，系统稳定性绝对妥妥的，没任何问题，还有很多Error Budget没用完。

不过，不好意思，要换位思考，要以客户为中心，门店都不能很好的为客户提供服务了，系统4个9，5个9又有什么意义呢？

不好用，就是故障。

3、老王还分享了一个案例，N多年前，在TX做运维的时候，一个大佬过来分享故障处理经验，提到Q的业务规模体量这么大，不可能不出问题。

所以我也不看你几个9，只要别因为问题把小马哥干到新闻联播上去，别把公司置于舆论的风口浪尖，都是有缓冲余地的，真干上去了，你再来告诉我你几个9，都没意义。

分享上面三个很实际的案例，我们不难发现，其实不管是现在的云平台，还是一个toB产品，还是更早期的QQ业务。

对于稳定性的评价，从来不是单纯看系统稳定性有几个9，其实是取决于客户对你的评价是怎样的，就是满意度。

再就是，SLA几个9其实通常是IT部门给自己的目标，但是这个目标往往并不是客户的稳定性目标，客户也感知不到。

所以，Google的CRE《Google SRE之后的CRE，一起来看看吧》，其实就是以客户的SLO为目标的，而不是以自己的云平台SLO。

Gap往往就出现在这里，有时候客户反馈有问题，平台总是希望证明自己没问题，其实恰恰是没聊到一个频道上去。

所以，系统稳定性可以用几个9来表示，但是客户稳定性，就不能单纯地用数字来描述，有时候客户还会讲究个感受、体验，说的直接点，跟客户沟通他是不是觉得舒服，是不是能感受到对他的重视，能不能感受到你是站在他的角度再帮他解决问题。

这样来看，客户稳定性，需要做的工作就要更多，不单单是技术层面的，还有更多沟通合作的技巧，最核心的一点，要转变思路，客户的问题都是我们的问题。

---

欢迎加微信继续交流。