运维不茫然，请收好这篇事件、故障排查处理思路

发布时间：2021-10-29 12:35 所属栏目：52 来源：互联网

导读：在讲解事件、故障处理思路前，先讲一个故障场景（以呼叫中心系统作为一例子）：业务人员反映呼叫中心系统运行缓慢，部份电话在自助语言环节系统处理超时，话务转人工座席，人工座席出现爆线情况。运维人员开始忙活了，查资源使用情况、查服务是否正常、查

在讲解事件、故障处理思路前，先讲一个故障场景（以呼叫中心系统作为一例子）：

业务人员反映呼叫中心系统运行缓慢，部份电话在自助语言环节系统处理超时，话务转人工座席，人工座席出现爆线情况。

运维人员开始忙活了，查资源使用情况、查服务是否正常、查日志是否报错、查交易量还有没有……时间不知不觉的在敲键盘、敲键盘、敲键盘中过去，但是原因还未定位。

经理过来了解情况：“系统恢复了吗？”、“故障影响是什么？”、“交易中断了吗？”……

运维人员赶紧敲键盘，写 SQL，看交易量；敲键盘，写命令，看系统资源、情况……

最终，定位到问题原因是其中一个功能没有控制返回数量，导致内存泄露。

针对这个故障，业务希望运维能否更快的解决故障的恢复，经理希望制定优化呼叫中心故障处理流程，做了以下几件事：

优先故障处理过程的时间：”能通过鼠标完成的工作，不要用键盘“

提前发现故障，加强监控：“技术早于业务发现问题，监控不仅是报警，还要协助故障定位”

完善故障应急方案：“应急方案是最新的、准确的、简单明了的”

长远目标：故障自愈：“能固化的操作自动化，能机器做的让机器做”

（编辑：ASP站长网）