如何快速解决IT系统中的疑难故障问题

摘要：
不管是供应商还是用户，最棘手的事情莫过于系统故障的发生，这时，所有的压力都在IT人员身上，领导的关注、项目的工期、甚至能否顺利回款，都要看这些故障能否及时快速的解决。
本文根据笔者多年的工作体会，从心理、责任、沟通、求源、知识结构等多方面，将故障分析过程中需要注意的问题，进行总结归纳，与广大IT技术人员分享。

1. 前言
任何计算机系统都有出现故障的时候，可能发生在试运行的阶段，也可能发生在系统正式运行后，还可能发生在已经稳定运行很多年的系统上，又可能发生在系统一个小小的升级后。同时，系统故障带来的负面影响可大可小，大到整个系统瘫痪，所有业务不能办理，所有营业网点全部停业；小到仅仅是某一台终端的某一笔业务不能正常完成。

系统出现故障，就必须分析故障原因，并尽快的采取措施排除故障。一般来说，故障分析的难度与故障带来的负面影响不成直接的比例关系，整个系统瘫痪的原因可能在1分钟内得出：中心机房停电；某一笔业务不能正常完成的原因可能需要分析一天甚至若干周：在长达5万行的程序中有一个底层函数的一个输入参数少了一位的长度。与故障分析的难度成正比的，是系统的复杂度，这里指的复杂不是指设备的数量和软件的长度，而是指系统中设备的种类、软件的种类、涉及的厂商的数量。系统越复杂，涉及的设备、软件、厂家、人员就越多，可能带来的故障分析难度也就越大。

以Callcenter系统为例，它不仅仅包括计算机系统，还包括电话交换系统，其中设备、软件的种类繁多，技术复杂，包括：PBX设备、小型机设备、网络设备、存储设备、7号信令、CTI中间件、IVR中间件、交易中间件、WEB中间件、数据库软件以及C++/DELPHI/JAVA等编程语言，所涉及的供应商、合作伙伴、相关业务系统也比一般系统复杂。因此，类似这样的高复杂度系统，其故障的分析、排除就具有相当的难度。

系统故障的快速排除，需要企业有一套完整有效的协调机制和流程。现在，大多数有着严格质量管理体系的IT企业，都制订了自己的重大故障处理流程，故障分析就是其中的一个环节，也是最关键的环节。但是，由于故障分析本身涉及到更多的是技术细节和相关人员的综合能力，在流程之外，故障分析本身，又确实有其内在规律需要技术人员注意。

本文根据笔者多年的工作体会，将故障分析过程中需要注意的问题进行总结归纳，与广大IT技术人员分享，希望能给读者一定的帮助。

2. 必要的心理准备

2.1. 故障，总是会发生的，就算你全测试过。

软件工程师大多都是心地善良、充满自信的，在系统开发、测试的时候兢兢业业，一丝不苟，完全通过后，就放心的认为自己的系统已经固若金汤了。当系统发生故障以后，就觉得不能接受这样的现实，“怎么可能出错啊？不可能的！”，一旦确认系统出错后，又会很愧疚，“哎，怎么这么仔细还会出错啊？”，在心里产生挫折感。

其实，这两种心态都大可不必。复杂的软件系统，不管你代码质量多高，测试多完善，理论上，出错的可能总是存在的。出现故障了就尽快确认，接受这个现实，然后，不用多想什么，快速分析，排除故障，用户会理解你，甚至会感谢你。让用户感到烦的是出了错死活不承认，面对证据不能抵赖了，又束手无策的那种人。因此，最关键的是你要有这样的心里准备和能力准备，如果盲目的自信而且毫无准备，那到时候就难看了。

2.2. 故障，总是有原因的，就算你不知道。

计算机业务