文档章节

MTTR是什么?或者说为什么别给婴儿喝白兰地

OneAPM蓝海讯通
 OneAPM蓝海讯通
发布于 2016/01/18 16:48
字数 1245
阅读 63
收藏 0

在团队纷纷谈起工作效率的时候,对运维工作者,他们通常喜欢用「故障的平均解决时间」来衡量团队的工作效率。然而这往往是不正确的。一个迅速解决大量突发事故的团队十分高效,而实际上这更有可能意味着该团队的基础设施十分脆弱易损。那我们应该使用什么标准来衡量团队的工作效率呢?

本文系国内 ITOM 管理平台 OneAPM 翻译整理自Dan Turchin 2015 撰写的文章 《What is MTTR?Or why not to feed the baby cognac》

MTTR(平均恢复前时间)是什么?我们不已字面的角度去回答它,这个提问更倾向于它的哲学意义。基于解决突发事故的时间来测量评估工作效率已经过于绝对,显得老旧。就如同大海中的一帆孤舟,漂泊不定,不知方向。

如同禅宗关于只手之声的谜语一般,解谜的要点是首先提问如下问题:

  • 什么是突发事故?
  • 解决突发事故意味着什么?
  • 解决问题是不是越快越好?

我的答案如下:

####什么是突发事故?

(突发事故)是对人、进程或事物有负面影响的,被某些非预期行为触发的问题。它们通常是更严重问题的征兆,经常可能导致系统或者业务发生毁灭性的的灾难。并且通常能经由常规方式修复,比如重启机器、重新连接、重启程序三部曲。

但是对于IT运维的目标,并不是通过修复自己制造的问题而获取赞誉,而是经营一个不会出现大量突发事故的健康的服务器环境。由「平均恢复前时间」所驱动的生产运作系统管理通常会误认为,一个迅速解决大量突发事故的团队十分高效,而实际上这更有可能意味着该团队的基础设施十分脆弱易损。

####解决突发事故意味着什么?

通常认为解决突发事故是积极举措。然而事实上解决突发事故时,正确的做法是首先判定被评估对象。以「平均恢复前时间」为评估手段可能会掩饰警示,将红灯变为安全的绿灯。其他度量手段,例如平均故障间隔时间,对于判定基础设施是否保持一贯健康运行状态而言,是更佳的度量指标。

####迅速解决突发事故是否总是最佳选择?

在IT领域,仅评估影响业务正常运行的时间无异于给婴儿浸有白兰地的奶嘴。虽然孩子迅速停止哭泣,但他的爸爸却可能因此入狱(然而妈妈绝对不会作出给婴儿喂酒的糟糕决断)。

####那么,什么是 MTTR(平均恢复前时间)?

(平均恢复前时间)是讨论运营卓越性的基点。它的价值在每个企业中不尽相同,且是众多评价健康进程和基础设施的指标之一。最好的统计方法是计算全时段所有突发事件在「未解决状态」下的时长,而不是事件「被解决」状l态下的时长除以突发事件总数。在后一种情况下,(系统正常运行)持续时间是基于机器时间戳(区别于运营人员提供的状态改变点)进行计算的,此时机器会使用监测数据(作为基线),重启的相同突发事件(或称为震荡)总会被认定为独立突发事件。

请不要把这篇文章看做是 IT 技术准则的无端攻击,请将它看作是一封邀请信,邀请你花半个小时来评估 MTTR 否是与商业价最契合的度量手段。

OneAlert 是北京蓝海讯通科技有限公司旗下产品,中国首个 SaaS 模式的云告警平台,集成国内外主流监控/支撑系统,实现一个平台上集中处理所有IT事件,提升IT可靠性。想了解更多信息,请访问 OneAlert 官网

本文转自 OneAPM 官方博客

© 著作权归作者所有

OneAPM蓝海讯通
粉丝 94
博文 631
码字总数 1266889
作品 0
海淀
私信 提问
哇!碱性水原来是这样的。

  每个女人都想要年轻,不想老化。但是为什么有些人同龄人老化的程度差别会如此之大呢?现代科学所找到老化的原因,意料之外的简单,答案就在我们平时的饮食当中。我们平常吃食物,99%是由...

人工智能之星
2017/11/22
0
0
物联网开源项目:机智云智能婴儿摇篮,可跟踪、能防丢

1.说明 基于 STM32F103ZET6 为主控芯片的智能婴儿摇篮装置,用来检测婴儿的各项生命特征、 睡姿以及当周遭环境对婴儿健康产生影响时做出一系列的应对措施,同时具有婴儿防偷功能。该装置主要...

物联网小能手
2017/01/03
284
0
「技术大牛」是如何缩短事件平均解决时间的?

前不久,我们讨论了运维不容错过的 4个关键指标,其中平均解决时间(MTTR)被认为是衡量业务的最佳标准,随后也分析了「告警等级」对MTTR的重要性。 正确看待 MTTR MTTR 为从故障发生到故障修...

OneAPM蓝海讯通
2016/01/07
37
0
MTTR 已死,CIRT 长存

通过关注影响业务的事件,CIRT 是衡量运维绩效的更准确方法。 IT 运维圈子的玩法正在发生变化,这意味着过去的规则越来越不合理。机构需要适当环境中的准确的、可理解的、且可操作的指标,以...

作者: Julie Gunderson
07/28
0
0
想学大数据、云技术、IT人、大学生必读的一篇文章:如何快速掌握一门技术

想学大数据、云技术、IT人、大学生必读的一篇文章:如何快速掌握一门技术 这让我想起了一些初学者的留言: 「我想学rails,有没有推荐的ruby的入门书籍?」 「我想学android,对java掌握到什...

董黎明
2018/09/05
24
1

没有更多内容

加载失败,请刷新页面

加载更多

centos7命令行和图形界面的相互切换

最近安装了centos7,发现在命令行和图形界面的相互切换命令上,与centos以往版本有很大不同。 1,centos7默认安装后,跟其他版本一样,启动默认进入图形界面; 2,在图形化桌面,右击鼠标,选...

无名氏的程序员
11分钟前
5
0
对称的二叉树

请实现一个函数,用来判断一颗二叉树是不是对称的。注意,如果一个二叉树同此二叉树的镜像是同样的,定义其为对称的。 boolean isSymmetrical(TreeNode pRoot) { if (pRoot == null) ...

Garphy
20分钟前
2
0
快速失败 (fail-fast) 和安全失败 (fail-safe) 的区别是什么

一:快速失败(fail—fast) 在用迭代器遍历一个集合对象时,如果遍历过程中对集合对象的内容进行了修改(增加、删除、修改),则会抛出Concurrent Modification Exception。 原理:迭代器在...

Bb进阶
23分钟前
5
0
golang 数据库与JSON解析一起 用空格分割

type Stocks struct { Id string `xorm:"varchar(64) pk" json:"id"` Name string `xorm:"varchar(64)" json:"name"` StockNum str......

zdglf
27分钟前
4
0
恨天诀——第一集 第五章

天似穹庐,笼盖四野。 静静矗立的天柱峰,像一把长剑,直插云霄。山南显得格外阴冷,萧瑟。 “龙儿,何为天道?”一长一少两人默默并排而立,长者问道。 良久,少年回答:“父亲,恕孩儿驽钝...

Kerwin_zZ
33分钟前
3
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部