值班怎么排
值班怎么排
排班表最容易被当成一张行政表格。它其实是一份承诺:这个时间段,出了事有人接。排得不好不是谁辛苦一点的问题,是承诺兑现不了,而且没人会提前告诉你。表上的空白,最后都由客户来填。
表上写的是承诺
承诺这个词有点重,但确实如此。客户不关心你的排班表,他只关心凌晨两点提交的工单第二天上午有没有人回。回得慢,他就换一家。
所以排班表先要回答一个问题:哪些时段必须有活人在,哪些时段可以只留电话。这两件事的成本差得远,混着做,钱花了人还累。
排的是响应,不是坐班
7×24 不等于七个人三班倒。小团队硬凑三班,结果是每班一个人、每个人都累、每班都只有半个懂行的人。我更倾向“夜里待命、白天在岗”的混合:工作时间有人值守,其余时间电话待命,响应要求写清楚是几分钟。
待命和在岗的区别要说透。在岗是人在机房或工位,能立刻动手;待命是人在半小时能到位的地方,手上有笔记本和网络。把待命当在岗用,表好看,出事还是慢。
响应时间怎么算也要说准。算到“有人回了第一句话”,不是算到修好。很多团队把这个数算成修复时长,于是永远不知道自己排的人够不够。
两层就够
一线负责接、判断、执行标准动作;二线负责根因和不可逆的修复。两层以上没必要,三层以上一定会出现“我不知道该找谁”这种对话。
一线要有一份“不用问就能做”的清单:重启哪个服务、切哪个节点、限流阈值调到多少、什么时候可以直接回滚。清单之外的,一律呼二线。让一线自由发挥,等于让最有经验的人事后收拾。
被打的时候,一线要做的动作其实是固定的:先看有没有被牵引,再看清洗报表,然后决定切不切备用。宿迁 100G 三线 BGP 那档,服务商会给清洗报表,攻击峰值和牵引状态都在上面,账号提前交给值班的人,别等出事再找销售要权限。
轮转周期怎么定
一周一换比一天一换稳。一天一换,交接成本比处理成本还高;一个月一换,人对异常的敏感度会掉。我的建议是一周,换班点落在周一上午,不是周五晚上。
双人同班看着浪费,实际上最省。一个人处理,一个人记录和对外说话。真出事的时候,最缺的不是技术,是有人替你接电话、挡掉那些“好了没有”的追问。
换班点定在周一上午还有个好处:周末攒下的告警,能在人最齐的时候一次过完,不用带着一脑袋疑问进新的一周。
交接单写五行
交接不是口头一句“没什么事”。表格就行,五行字比十句嘱咐管用。
| 交接项 | 要写什么 |
|---|---|
| 未结告警 | 哪条、从几点开始、现在什么状态 |
| 观察窗里的变更 | 版本号、发布人、观察窗几点结束 |
| 临时绕行 | 为了绕过问题改了什么,什么时候必须改回来 |
| 容量与到期 | 磁盘、带宽、证书、域名的到期日 |
| 外部依赖 | 哪家在做三方维护、联系人是谁 |
最后一行最容易被忽略。第三方维护期间出的问题,责任不在你,但你得知道,否则会花两个小时排查一个不存在的 bug。
到期那一栏也别嫌啰嗦。SSL 证书这种一过期就是全站报错的东西,提前一个月写进交接单,比半夜被电话叫醒再翻订单强。
排班表长什么样
| 班次 | 覆盖时段 | 人数 | 响应要求 | 升级对象 |
|---|---|---|---|---|
| 白班 | 工作日九点到十九点 | 两人 | 五分钟 | 值班组长 |
| 晚班 | 十九点到次日一点 | 两人,其中一人可远程 | 十五分钟 | 二线 |
| 夜间待命 | 一点到九点 | 一人 | 三十分钟内上线 | 二线加负责人 |
| 周末 | 全天 | 一人轮值、一人待命 | 三十分钟 | 二线 |
表填完还要做一件事:升级对象那栏写电话,不写岗位名。岗位名在凌晨没用,它不会接电话。服务商那边同理,宁波高防那几档套餐的后台权限、工单入口、值班手机,都该提前给到当班的人。
升级时限写死
三档够用:十五分钟没定位,呼二线;三十分钟没缓解,通知负责人;一小时没恢复,转事故流程,开始对外通报。时间是硬的,判断是软的,用硬时限逼出判断。
还要留一条反向的:允许二线主动降级。只升不降,值班的人会习惯性升级,最后没人当真,这条通道也就废了。
升级通知里带三条:现在什么现象、已经做了什么、下一次更新几点。缺了这三条,被叫来的人第一件事是把刚才的问题重新问一遍。
单人值班的三种坑
跨时区的海外节点,出事时是本地深夜;只有一个人懂的老系统;正在做大版本发布的窗口期。这三种情况我都吃过教训,宁可临时加人。
美国那批节点还有个具体麻烦:国内下午正好是美国凌晨,监控和电话得真能叫醒人,不能只往群里丢一条消息就算通知到位。
补偿没写明,排不下去
值班这件事,光靠自觉撑不过三个月。补偿可以是钱,可以是调休,可以是第二天晚到,但要有明文。没有明文的团队,最后都靠某几个人硬扛,扛到他们离职。
还有个小细节:值班当天不安排发布。一个人既发版又值班,等于把两个风险叠在一起。
补偿标准最好写进合同或者员工手册。口头答应的事,到第三个月就会变成“上次不是请你吃过饭了吗”。
三个数字看值班质量
告警首次响应时间的中位数、夜间被叫醒的次数、交接单的完整率。前两个衡量累不累,第三个衡量靠不靠谱。
夜里被叫醒的次数长期偏高,先修告警,别急着加人。交接单完整率长期不到一半,说明流程在空转,表只是一张纸。
一句判断
好的排班表有一个特征:任何一个人请假,表还能转。做不到这一点,说明你们排的不是班,是某个人的电话号码。
你们的值班表上,现在写的是岗位,还是名字?