标准答案
- 按白屏、核心流程不可用、局部功能异常、性能劣化等维度定义告警等级。
- 定位时先看 release、灰度批次、错误栈、接口错误、设备浏览器和用户路径。
- 止血手段包括回滚版本、关闭 feature flag、降级 SDK、切换配置和恢复旧资源。
- 复盘要明确根因、影响范围、发现时间、恢复时间和责任动作。
- 改进项应落到监控、测试、CI/CD、灰度和文档，而不是只停留在口头总结。
题目解析
故障处理分两个阶段：应急阶段追求恢复用户路径，复盘阶段追求降低再次发生概率。两者目标不同，不能在事故中一边争论根因一边拖延止血。
前端定位要把版本和用户路径串起来。某个 release 后错误率上升，某类浏览器集中白屏，某个接口失败集中在一个页面，这些线索比单条报错更有价值。
复盘不是追责文档，而是工程系统改进入口。缺监控补监控，缺回滚补回滚，缺测试补测试，缺发布门禁补门禁。
常见误区
- 所有错误都同一等级告警，最终团队对告警麻木。
- 事故中只追根因不先止血，扩大影响时间。
- 复盘没有落到具体工程改进项。