故障响应与 SLA

SLA 定义

SLA（Service Level Agreement，服务级别协议）是网易智企与客户之间关于服务质量的书面承诺。

标准 SLA 指标

可用性 SLA

产品	可用性承诺	对应最大停机时间/月
云信 IM	99.95%	21.6 分钟
云信 RTC	99.9%	43.2 分钟
易盾内容安全	99.9%	43.2 分钟
易盾验证码	99.95%	21.6 分钟
七鱼	99.9%	43.2 分钟
数帆	99.5%	3.6 小时

性能 SLA

产品	指标	承诺值
易盾图片检测	P99 响应时间	< 500ms
易盾文本检测	P99 响应时间	< 200ms
云信消息延迟	P99 端到端延迟	< 200ms
七鱼 API	P99 响应时间	< 1s

技术支持 SLA

问题级别	响应时间	解决时间
P0（系统不可用）	15 分钟	4 小时
P1（核心功能异常）	1 小时	8 小时
P2（非核心功能）	4 小时	24 小时
P3（一般咨询）	1 个工作日	5 个工作日

故障处理流程

故障分级

故障分级标准
├── P0（灾难级）
│   ├── 服务完全不可用
│   ├── 影响所有客户
│   └── 数据丢失风险
├── P1（严重）
│   ├── 核心功能不可用
│   ├── 影响大量用户
│   └── 无可用 Workaround
├── P2（一般）
│   ├── 非核心功能异常
│   ├── 影响部分用户
│   └── 有 Workaround
└── P3（轻微）
    ├── 功能缺陷但不影响使用
    └── 性能轻微下降

P0 故障处理 SOP

P0 故障处理流程（目标：4 小时内恢复）
│
├── 0-15 分钟：发现与响应
│   ├── 监控告警触发
│   ├── 值班工程师确认故障
│   └── 拉起应急群（研发 + 运维 + CSM + 管理层）
│
├── 15-60 分钟：定位与止血
│   ├── 快速定位故障范围
│   ├── 执行止血措施（切流量、回滚）
│   └── 每 15 分钟向客户同步进展
│
├── 1-4 小时：修复与恢复
│   ├── 根因定位
│   ├── 修复上线
│   └── 验证恢复
│
└── 恢复后：复盘
    ├── 故障时间线梳理
    ├── 根因分析（5 Why）
    ├── 改进措施（防止再次发生）
    └── 发送故障报告给客户

故障报告模板

故障报告
├── 故障摘要
│   ├── 故障时间：2024-01-15 14:30 - 16:45
│   ├── 影响范围：图片检测 API 不可用
│   └── 影响客户：XX 客户
├── 故障时间线
│   ├── 14:30 监控告警触发
│   ├── 14:45 工程师介入排查
│   ├── 15:30 定位根因（数据库连接池耗尽）
│   └── 16:45 修复完成，服务恢复
├── 根因分析
│   └── 数据库连接池配置不足，大流量下连接耗尽
├── 修复措施
│   ├── 临时：扩大连接池配置
│   └── 长期：优化连接池管理，增加监控告警
└── 赔偿说明（如适用）
    └── 根据 SLA 协议，本次故障时长 X 分钟，超出 SLA 承诺 Y 分钟，将按协议赔偿

SLA 赔偿机制

当服务可用性低于承诺时，按以下标准赔偿：

可用性	赔偿比例
99.0% - 99.9%	月费用的 10%
95.0% - 99.0%	月费用的 25%
< 95.0%	月费用的 50%

注意：赔偿通常以服务抵扣券形式发放，不退现金。合同中需明确赔偿方式。

维保服务

标准维保内容

年度维保服务包含
├── 软件版本升级（大版本 1 次/年，小版本不限）
├── Bug 修复（按 SLA 响应）
├── 技术支持（工单 + 电话）
├── 季度健康检查（CSM 主动跟进）
└── 年度培训（1 次，新功能培训）

增值服务

可选增值服务
├── 7×24 小时专属技术支持（额外收费）
├── 驻场服务（工程师驻场，额外收费）
├── 定制开发（按工作量报价）
└── 专项优化（性能调优、安全加固）