故障分级标准（Incident Severity）P级别 / SEV级别介绍（P0 / SEV1）
文章目录
- 一文讲透故障分级标准（P0 / SEV1 等）
- 一、为什么需要分级？
- 二、两种主流命名体系
- 1️⃣ 国内常见：P0 / P1 / P2
- 2️⃣ 国外常见：SEV1 / SEV2 / SEV3
- 3️⃣ 本质区别
- 三、标准分级模型（推荐实践）
- ✅ 四级模型（推荐）
- ✅ 判断维度（关键）
- 1️⃣ 影响范围（Impact Scope）
- 2️⃣ 功能重要性（Criticality）
- 3️⃣ 可恢复性（Recoverability）
- 4️⃣ 业务影响（Business Impact）
- 四、分级不只是“标签”，而是行动指南
- 🔥 SEV1（P0）响应标准
- ⚠️ SEV2（P1）
- ℹ️ SEV3（P2）
- 💤 SEV4
- 五、常见误区
- ❌ 误区1：分级靠感觉
- ❌ 误区2：所有问题都报 P0
- ❌ 误区3：分级不影响行为
- 六、进阶：分级 + SLA / SLO
- 七、最佳实践总结
- 八、结语
一文讲透故障分级标准（P0 / SEV1 等）
在现代互联网系统中，故障不可避免。真正决定团队成熟度的，不是“有没有故障”，而是：
出现故障时，是否能快速、统一、理性地响应。
而这一切的基础，就是——故障分级标准（Incident Severity）。
一、为什么需要分级？
想象一个场景：
- 用户无法登录（核心功能挂了）
- 某个统计图加载慢
- 内部某个后台接口报错
如果这些问题都被“同等对待”，结果就是：
- 团队疲于奔命（所有问题都当紧急问题处理）
- 或者严重问题被忽视（没有优先级）
分级的核心目的：
- 统一认知（大家对严重性的理解一致）
- 指导响应策略（是否需要拉群、是否需要值班响应）
- 资源分配（谁先修、谁后修）
- 对外沟通（是否需要公告用户）
二、两种主流命名体系
目前业界常见两种命名方式：
1️⃣ 国内常见：P0 / P1 / P2
| 级别 | 含义 |
|---|---|
| P0 | 最严重，系统不可用 |
| P1 | 严重问题，核心功能受影响 |
| P2 | 一般问题，部分功能异常 |
2️⃣ 国外常见：SEV1 / SEV2 / SEV3
| 级别 | 含义 |
|---|---|
| SEV1 | Critical（致命） |
| SEV2 | Major（严重） |
| SEV3 | Minor（一般） |
3️⃣ 本质区别
其实没有本质区别，只是：
- P0 = SEV1
- P1 = SEV2
- P2 = SEV3
👉 只是命名习惯不同：
- 国内更偏“优先级（Priority）”
- 国外更偏“严重性（Severity）”
三、标准分级模型（推荐实践）
一个成熟团队通常会定义4级或5级分级体系：
✅ 四级模型（推荐）
| 等级 | 说明 | 示例 |
|---|---|---|
| SEV1 | 全站不可用 / 核心系统宕机 | 登录挂了、支付失败 |
| SEV2 | 核心功能受损 | 下单失败、接口大量错误 |
| SEV3 | 部分功能异常 | 推荐系统错误、部分接口慢 |
| SEV4 | 轻微问题 | UI错位、日志错误 |
✅ 判断维度（关键）
分级不是拍脑袋，而是基于几个核心维度：
1️⃣ 影响范围（Impact Scope）
- 全量用户
- 部分用户
- 单个用户
2️⃣ 功能重要性（Criticality）
- 核心路径（登录 / 支付 / 下单）
- 非核心功能（推荐 / 统计）
3️⃣ 可恢复性（Recoverability）
- 是否有降级方案
- 是否可手动恢复
4️⃣ 业务影响（Business Impact）
- 是否直接影响收入
- 是否影响品牌/用户信任
四、分级不只是“标签”，而是行动指南
一个好的分级体系，必须绑定响应机制。
🔥 SEV1（P0）响应标准
- 🚨 立即拉全员群（War Room）
- ⏱ 7x24 响应
- 👨💻 多团队协作（后端 / 运维 / SRE）
- 📢 对外公告（必要时）
- 📄 必须复盘（Postmortem）
⚠️ SEV2（P1）
- ⏱ 高优先级处理（通常1小时内响应）
- 👨💻 指定负责人
- 📄 需要复盘（可简化）
ℹ️ SEV3（P2）
- 📅 排期修复
- 🧾 记录问题
- 📊 纳入质量统计
💤 SEV4
- 🛠 backlog
- 🧹 顺手修
五、常见误区
❌ 误区1：分级靠感觉
“我觉得这个挺严重的”
👉 解决：必须制度化标准
❌ 误区2：所有问题都报 P0
结果：
- 团队疲劳
- 真正 P0 被忽视
👉 解决：严格定义 + review机制
❌ 误区3：分级不影响行为
如果：
- SEV1 和 SEV3 响应一样
那分级就没有意义。
六、进阶：分级 + SLA / SLO
成熟团队会把分级和SLA / SLO绑定：
| 等级 | 响应时间 | 修复时间 |
|---|---|---|
| SEV1 | 5分钟内 | 尽快恢复 |
| SEV2 | 30分钟内 | 数小时 |
| SEV3 | 24小时内 | 几天 |
| SEV4 | 无要求 | 排期 |
七、最佳实践总结
一个“好用”的分级体系应该具备：
✅ 简单清晰（不超过5级）
✅ 可量化（有判断标准）
✅ 可执行（绑定响应机制）
✅ 可复盘（持续优化）
八、结语
故障分级的本质，不是“给问题贴标签”，而是：
在混乱中建立秩序，在压力中做出正确决策。
当你的团队做到：
- 不争论严重性
- 自动触发响应流程
- 快速恢复系统
说明你的分级体系已经真正落地了。