云托管运维

明确生产服务故障时由谁响应。

为约定的工作负载明确覆盖时间、响应目标和可用性测量方式。Wavect 在提出书面运维协议前,会评估运维准备情况并确认人员安排。

服务说明

Wavect 可单独承接云环境监控与运维响应,按合同确认服务范围、值班人员、升级责任及响应条件。

适合的情况

  • 需要持续监控与明确的故障响应责任
  • 计划建立超出普通维护范围的人员值守安排

其他需求

  • 尚未确认人员与权限却要求立即生效的响应承诺

先列出哪些服务由谁负责

运维范围应包含应用与基础设施清单、关键依赖、服务所有者和供应商责任。哪些问题能够直接处理,哪些需要业务批准,哪些必须升级到应用开发或外部服务商,都需要写清楚。

软件维护负责约定的应用维护与改进,并不自动包含本页的持续值班覆盖。现有迁移或开发合同也不会因为使用了云平台而附带运维承诺。

24/7 是需要落实人员的合同安排

可以评估包括全天候在内的覆盖方案,但只有在值班人员、排班、必要合作方及升级责任得到确认后,才能建立相应服务承诺。页面上的服务介绍本身不会使覆盖立即生效。

合同应区分覆盖时间、告警确认、响应目标、严重性级别和恢复目标,并说明排除项与客户依赖。收到告警的时间不等于完成恢复的时间,也不应把两者写成同一个指标。

云运维 SLA 应明确哪些内容?

先明确需要保障的客户流程,例如订单确认。服务指标衡量实际结果,服务级别目标(SLO)设定目标,服务级别协议(SLA)明确合同承诺及未达标时的处理方式。Google SRE 服务级别指南说明了三者的区别。

响应与恢复

约定何时开始计时、由谁确认故障、何时通报进展,以及怎样才算恢复服务。彻底修复可以在恢复后完成。

可用性与排除项

明确测量数据来源、统计窗口,以及如何处理计划维护、第三方故障和客户侧依赖。在合同中明确约定适用的补救措施。

报告与复盘

记录故障、响应与恢复用时、可用性达标情况,以及各改进项的负责人。定期回顾反复未达标的情况与覆盖安排。

告警必须对应可执行的动作

接管前检查告警是否有明确所有者、阈值和处置方式,是否能够访问所需系统,以及运行手册是否与实际环境一致。备份状态、恢复步骤、证书期限和关键依赖也应有责任归属。

权限设计、紧急访问和保护措施可结合云安全确认。没有必要权限或可靠信息的告警,不应被包装成已经具备完整响应能力。

用一次模拟故障验证接手与升级

以下是服务准备阶段的示例,并非既有 SLA 或客户运行记录:在约定覆盖时间内触发一个可控告警,确认指定响应人员能收到通知、读取运行手册,并按权限处理或升级。

演练记录实际时间、联系失败和缺失权限。发现的问题应在覆盖生效前解决或明确接受;演练不能凭空证明所有未来故障都可在同样时间恢复。

把反复告警变成明确的改进事项

按约定周期回顾告警、处理记录、容量趋势、变更和未解决风险。需要代码修改、架构调整或额外资源的事项应进入相应批准流程,而不是在日常值班中悄悄扩大范围。

怀疑遭到入侵时,可以按既定升级安排转入事件响应。安全调查的证据、授权和专业范围需要另行确认;常规监控不等于已建立完整的事件调查能力。

账户归属和服务结束同样需要规则

你方保留约定的云账户与资源所有权,双方明确常规权限、紧急访问、变更审批和审计记录。运行说明应保持可交接,避免服务依赖某一个人的私人账户或未记录操作。

合作范围变化或结束时,需要安排告警转移、运行资料交接、权限撤销和覆盖截止时间。值班服务的连续性必须通过具体交接安排实现,而不能只靠口头理解。

开始前的常见问题

响应目标规定确认故障和开始约定处置的时限。如合同涵盖服务恢复、彻底修复或可用性,应分别明确其定义和目标。
可以讨论并单独约定这种方案,但须先确认实际值班人员、排班、合作方及升级能力。只有双方确认的合同范围与开始日期能够形成服务承诺。
不自动包含。覆盖时间、响应目标、恢复目标和可用性承诺是不同事项,需要根据系统依赖、权限与商业条件分别约定。
需要先完成服务清单、访问、告警、运行手册和升级路径的接管检查。未完成这些步骤时,不能假定已有完整监控与响应能力。
不包含所有开发。日常操作、故障处置、缺陷修复和功能开发的边界应在合同中明确;超出范围的修改需要相应估算、批准与发布安排。
覆盖资产、服务时间、告警路径和有权采取行动的人。检查权限并演练恢复。监控若缺乏授权或可用响应人员仍有缺口,协议应清楚列出双方责任边界。

确认需要的运行覆盖

请说明服务类型、运行时段、当前负责人和最需要覆盖的故障。覆盖时间、人员安排与响应承诺必须在服务开始前确认。