• 故障描述
• 处理过程
• 故障原因
• 解决方案
• 原因分析(5 WHYS)
• 存在问题
• 后续TODO

模板说明

• 线上故障CaseStudy请根据此模板书写，确保整个事业群遵照同一标准
• 标题格式“YYYYMMDD-故障标题-CaseStudy”，标题请确保简洁、准确、具体
• CaseStudy务必做到对事不对人、追根溯源，最终目标是举一反三、避免类似问题反复出现
• 线上故障务必周知QA新增JIRA记录，发CaseStudy到K12用户钉钉群，P1/P2级别故障还应召集CaseStudy会议

故障描述

填写说明

• 故障起止时间应精确到秒，避免模糊化。以故障开始和服务恢复时间为准，涉及到数据修复的，额外增加一个时间段
• 故障影响范围应涵盖受影响用户群、业务种类、业务系统模块
• 损失评估是故障定级的关键依据，需给出确切或估算影响用户数、时间、交易/金额损失等数据
• 故障定级请参照 许毅 的故障定级方案（待补充）

故障现象：

起止时间：

影响范围：

造成损失：

故障定级：由QA来定级，定级标准参考 公司故障定级

责任人/组:

处理过程

填写说明

• 线上故障处理的最高原则是尽快恢复服务，降低损失
• 定位问题模块、故障原因，采取行动恢复线上服务正常运转为此环节首要任务
• 请在本节详细记录何时、何人、何种动作、结果如何以便事后复盘
• HH:MM:SS (何人何种操作导致)故障开始 
• HH:MM:SS 何人报告线上出现何种现象故障 
• HH:MM:SS 何人开始跟进调查、有何发现
•  ......
• HH:MM:SS 何人采取何种动作、有何结果
• HH:MM:SS 线上服务恢复正常，故障解决(Resolve故障Task)

故障原因

如果是Code Bug请用Code说话:解释清楚为什么某段Code造成这个问题

解决方案

如果是Code Bug请用Code说话:清楚说明Code Change以及为什么可以解决这个问题

原因分析(5 WHYS)

填写说明

• 线上故障原因分析至关重要，如果不能追根溯源找到问题的关键，改进、避免就无从谈起
• 美团线上故障统一采用5 Whys分析法，相关介绍参见 5whys分析法在美团工程师中的实践

1. 为什么出现这个故障? 
2. 为什么...

存在问题

 综上所述，这个线上故障总共暴露出如下一些问题:

1. Code Review机制流于形式 
2. 测试覆盖不够全面
3. ......

后续TODO

填写说明

• 从事前预防、及早发现、快速定位、举一反三等角度，认真思考改进措施，明确需要采取的行动、负责人、时间计划
• 改进事项应避免空洞无物，符合SMART原则，明确、具体、可执行、可衡量、有确切完成时间
• 改进事项完成情况包括： TODO 、DOING、DONE、CANCEL
• 改进事项完成情况请及时更新，周会统一回顾之前CaseStudy的改进情况