目录
一、原则概述
Oncall 工作对于保障系统稳定运行至关重要，以下是可靠性 Oncall 的十大原则，旨在提升值班效率和系统稳定性。
二、各原则详情
（一）原则一：态度决定命运，保持积极的心态
在 Oncall 工作中，积极的心态不可或缺。面对各类问题与挑战，应展现出解决问题的决心和热情，这将直接影响我们应对工作的效果以及整个工作状态。
（二）原则二：补位意识
对于 Oncall 人员而言，补位意识极为关键。当发现问题时，无论该问题是否属于自己直接负责的范畴，都应积极采取行动。要及时通知相关人员，并尽可能协助处理，以此保障整个系统的稳定运行。具备这种意识不仅能够降低故障带来的影响，还能在团队中树立起专业可靠的形象，对个人职业发展大有帮助。
（三）原则三：用户为先意识
作为服务提供者，始终将用户的利益放在首位是我们的职责所在。通过有效沟通与用户建立信任，减少因不确定性而给用户带来的恐慌和不满，确保为用户提供高质量、连续性的服务。
（四）原则四：Oncall 前做好准备
- 确保能快速感知问题
- 保证 Oncall 时电话畅通，开启手机震动功能，同时检查是否存在运营商配置的黑名单屏蔽情况，避免关键报警被屏蔽。
- 确保电脑时刻在身边且网络畅通，提前申请好 VPN 权限，并且将内部系统的各种权限也提前申请好，以保证能第一时间察觉到问题的发生。
- 能找到合适的人处理问题
- 提前熟悉各类监控和报警信息，知晓报警出现时应按照何种级别去处理。
- 了解上下游的协同响应机制，以便在出现多团队配合的故障时，能第一时间联系到相关人员。
- 对于之前处理问题的标准操作流程（SOP），最好亲自实践一下，确保对文档理解准确且操作熟练。
- 能掌控处理的方案和节奏
深入了解业务、架构、基建等方面的内容，这样当问题出现时，能够独立进行判断、思考并处理问题。
（五）原则五：严格地规范 Oncall 过程
- 无故障或无异常状态时
Oncall 大部分时间处于无故障状态，在此期间需要做好以下三件事：- 定期巡检：通过巡检发现潜在隐患，例如关注流量的增长或下降、资源是否充足等情况。
- 日报总结和沉淀：每天总结诸如流量、日活、峰值、问题处理情况、上线情况等内容。
- 快速响应：关注群消息，及时做好反馈与处理工作。
- 遇到紧急情况时
- 明确发生了什么：作为 Oncall 人员，首要任务是清楚知晓发生了什么事，明确具体影响以及受影响的对象。
- 通报情况：让更多人了解事情经过，使应处理该问题的人员介入处理，切勿一出现问题就盲目埋头处理，而不做任何通报，否则很可能浪费时间走弯路。
- 操作处理：若需要自己进行操作，可请求他人协助处理故障，然后再开展相应工作。简单概括就是 “一确认，二通报，三操作” 的流程。
（六）原则六：Oncall 后认真复盘和总结
深入进行复盘分析意义重大，这样能够避免在同样的问题上再次犯错。不仅有助于快速解决新出现的问题，对于个人而言，更重要的是能借此抓住职业机遇，毕竟机遇总是垂青那些有准备的人。
（七）原则七：避免同时处理多个重要任务
同时开展两项重要的变更或任务，容易分散我们的注意力，进而影响对细节的关注以及处理质量。为提高效率、降低风险，我们应当一次专注于完成一项重要任务，确保有足够的时间和资源对每一步进行仔细检查与验证。保证每个变更都经过充分测试和评估，避免潜在问题和故障的出现。专注完成单一任务后，再着手下一个任务，这是提高工作质量、保障系统稳定性的有效策略。
（八）原则八：杜绝侥幸心态
在 Oncall 工作中，任何侥幸心态都可能导致忽视潜在风险，所以要始终保持警惕，不忽视任何小概率事件，严谨对待每一个可能影响系统稳定的因素。
（九）原则九：不要轻易放过任何一个异常
对于任何异常情况都要给予高度重视，及时展开调查与处理，不能因为看似微小或无关紧要就轻易忽略，以防小异常引发大问题。
（十）原则十：不要隐瞒
在紧急情况下，及时、准确地分享信息至关重要。当问题发生时，应迅速通报并保持透明的态度，这不仅有助于快速定位问题，还能减少因隐瞒或延迟通报而造成的不必要损失。培养开放、坦诚的沟通文化，鼓励团队成员在遇到问题时勇于承担责任，对于提升团队的响应能力和整体效率起着关键作用。
三、小结
Oncall 工作的十大核心原则可概括为以下几个方面：
（一）一个核心态度
保持积极主动，面对问题和挑战时展现出解决问题的决心和热情。
（二）两个基本意识
- 补位意识：在团队中相互支持，主动填补可能出现的职责空缺。
- 用户为先意识：始终将用户的利益放在首位，确保服务的连续性和质量。
（三）三个行动准则
- 事前准备：在 Oncall 前进行全面的准备工作，包括熟悉系统和工具等。
- 事中规范：在 Oncall 期间，严格遵循既定的操作规范和流程。
- 事后总结：值班结束后进行详细的总结，涵盖问题解决情况以及经验教训等内容。
（四）四个禁忌
- 避免多任务处理：不同时进行两项重要任务，以保持专注和效率。
- 杜绝侥幸心理：不忽视任何小概率事件，始终保持警惕。
- 重视异常：不放过任何异常情况，及时调查和处理。
- 不要隐瞒失误：秉持坦诚的态度，不故意隐瞒犯下的错误。
四、思考题
（一）问题情况
如果晚上突然收到一个报警电话，需要做紧急上线，但此时发现没有人审批流程，那么应该选择跳过流程还是继续打电话找人呢？
（二）应对策略
这个问题需要从两方面区分对待：
- 能明确定位到原因，必须上线才能解决：在联系不到审批人的情况下，需要当机立断，先解决线上问题（公司服务运维应急响应流程应该有这种特殊情况的规定）。
- 持怀疑可能性，需要上线加一些排查日志的 log 来帮助定位：这种情况下则需要联系到审批人再进行上线操作。要学会保护自己，完全遵守审批流程是最好的方式。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
