不找罪魁祸首的故障复盘

故障期间

一个负责决策并做记录的故障指挥、一条统一的沟通渠道，以及尽早向客户通报。恢复优先于调查：先把服务救回来，顺路收集证据。

之后

写一条事实性的时间线、用数字表示的影响、什么拖慢了发现、什么拖慢了修复。后两项才是重点——发现所花的时间通常长于修复时间，而这指向监控的缺口。

产出两到三条行动项，带负责人和日期。二十条行动项等于零条行动项。

文化

按下按钮的那个人是症状；那个允许在没有审批、没有校验、没有回退路径的情况下按下按钮的系统才是问题。追查责任人的团队会学会隐瞒故障，而那危险得多。