良功绘图先选一个模板，改成自己的流程
下面的模板可直接编辑，点击图片在新窗口打开绘图页，把角色改成你的值班、研发、DBA 和业务负责人。
提示：模板在新窗口打开后可以直接拖拽修改文字和连线，完成后支持导出 PNG / SVG / PDF。
故障处理流程图的 8 个关键节点
- 告警接收与确认统一入口接收监控告警和人工报障，第一时间确认是否为真实故障，排除误报并关闭噪声告警。
- 影响面评估与定级按受影响用户比例、业务功能和数据风险定级，级别直接决定响应人员范围和通报对象。
- 拉起应急响应指定唯一的故障指挥，建立统一沟通渠道，安排专人记录时间线，避免多人同时下达冲突指令。
- 止血与恢复优先优先执行回滚、切流量、限流、降级等已演练过的手段，先让服务可用，再深究原因。
- 对内对外通告按级别决定通告对象和口径，重大故障定期更新进展，避免业务方靠猜测判断状态。
- 根因定位结合最近变更、日志和监控指标定位；未恢复前不要陷入长时间排查，变更回滚往往是最快路径。
- 永久修复与验证通过正式变更流程上线修复，验证关键指标恢复正常，并观察一个完整业务周期。
- 故障复盘与改进输出时间线、根因、影响范围和改进项，每条改进项都要有责任人、期限和验收标准。
通报与报告义务按合同和法规执行
涉及服务等级协议约定的通报义务，以及网络安全事件、数据安全事件的报告要求，应按合同约定与适用法律法规执行。
故障定级示例：先定级，再决定叫谁
| 级别 | 典型影响 | 响应要求 | 通报范围 |
|---|---|---|---|
| P1 | 核心业务不可用 | 立即响应 | 管理层与全体相关方 |
| P2 | 主要功能受损或严重降级 | 15 分钟内响应 | 技术与业务负责人 |
| P3 | 局部功能异常，有替代方案 | 1 小时内响应 | 值班与相关小组 |
| P4 | 体验问题，无数据风险 | 工作时间处理 | 处理人与提出人 |
以上为示例口径，实际级别定义和响应时限应以本单位服务等级协议和运维制度为准。
3 个最常见的画错方式
左边是常见做法，右边是改法。对照修改后，图才真正能被一线使用。
先查根因再恢复
排查时间越长，业务损失越大。
恢复优先，根因放到服务可用之后
止血手段必须是事先演练过的。
谁都能决定回滚
指令冲突会让故障范围扩大。
明确唯一故障指挥
回滚、降级、切流量由指挥统一决策。
复盘只写"加强监控"
没有责任人和期限，改进项永远不会落地。
改进项写清责任人、期限和验收标准
并纳入待办跟踪到关闭。
发布前检查清单
画完先别急着发，按下面 7 条逐项核对，能挡掉绝大多数返工。
- 告警入口统一，误报有关闭与治理路径
- 定级标准客观可判断，不依赖个人经验
- 止血手段事先演练过，操作步骤可查
- 通告模板与口径提前准备好
- 永久修复走正式变更流程，不在故障中直接改线上
- 全程有时间线记录，复盘时可还原
- 改进项有跟踪节点，直到关闭
故障处理流程图常见问题
故障处理流程图和应急预案是什么关系？
流程图是预案的可视化主线，预案还包含通讯录、权限清单、演练要求和历史案例。两者必须保持版本一致，否则演练时会各说各话。
定级标准怎么定才不会现场吵架？
用客观条件描述：受影响用户比例、是否影响资金或数据、是否存在替代方案、是否可自愈。避免"严重""一般"这类形容词。
值班响应超时怎么处理？
在响应节点后加超时升级分支：约定时间内未响应或未恢复，自动升级到更高层级，并写明由谁负责发起升级。
变更导致的故障有什么捷径？
在根因定位前先检查最近变更。回滚通常是最快的止血手段，建议在图上把"最近是否有变更"作为默认的第一个判断分支。
小团队需要这么完整的流程吗？
可以精简为"确认—止血—修复—复盘"四步，但故障指挥和复盘这两个环节不要省略，它们决定了同一个故障会不会重复发生。