生产问题分级

1、分级

• p0：致命。
  • P0级别表示最高级别的事故，通常指出现了系统崩溃、无法使用或严重功能故障的情况。这种事故会导致严重的影响，可能使整个系统无法正常运行，需要立即采取行动来修复问题。
• p1：严重。
  • P1级别表示严重的事故，可能导致某些核心功能无法正常工作，严重影响系统的可用性和性能。虽然系统仍然可用，但部分关键业务功能无法正常操作。
• p2：重大。
  • P2级别表示较为紧急的事故，可能导致某些功能异常或受到限制，但系统整体仍能正常运行。该事故可能对用户体验、性能或数据完整性产生一定的影响。
• p3：一般。
  • P3级别表示一般性的事故，通常是一些轻微的故障或缺陷，对系统功能的影响较小。这种事故可能会引起一些不便或瑕疵，但不会对系统的整体运行产生显著的影响。
• px：轻微。
  • PX级别通常用于表示低优先级的问题或改进建议，并不属于事故范畴。这些问题可能是一些非关键性的功能需求、建议或其他非紧急的修复要求。

        具体的级别定义和分类标准可能因公司、项目规模而异。在实际应用中，管理者通常会根据自身情况和项目需求对级别分类进行适当调整。

2、常见问题

2.1 代码

常见类型

• 空指针
• 线程不安全
• 死锁
• 兼容性问题
• 内存溢出
• 业务错误

代码层面造成的问题

• 快速定位问题
• 代码修复（注：别引发其他问题，测试覆盖要全面）
• 紧急上线

非代码层面的问题

• 宿主机出现问题：应用停服。进行宿主机修复如磁盘扩容、网路联通修复。或者应用迁移。
• 基础服务不可用：要快速定位问题，基础服务是全公司在用的服务。考虑基础服务的故障恢复、高可用。
• 被调服务异常：包括内部服务、第三方服务，建立超时机制，考虑服务的降级、熔断。

2.2 依赖服务出现问题

• 宿主机网路、磁盘出现问题
• 基础服务不可用，如中间件出现问题
• 被调用服务异常

3、复盘

生产问题的事后复盘

• 整理文档
  • 生产问题
  • 影响功能
  • 定位原因
  • 修复方案。
  • 时间线：发现问题时间、解决时间。
  • 分类
• 共识：产品、开发、测试、运维达成共识。
• 建立完善的机制：监控、报警机制
  • 避免同类似的问题再次出现。
  • 快速发现问题。