IT 服务故障根因分析（RCA）报告模板

IT服务故障根因分析（RCA）报告模板适用场景：业务系统、服务器、网络、数据库、云平台、应用程序等IT事件/故障复盘。目标：区分直接原因、根本原因、改进措施，杜绝同类故障重复发生。RCA=RootCauseAnalysis，根因分析。1.文档基础信息故障标题例：XX业务系统查询接口超时，影响用户下单故障编号INC-XXXXXXX服务名称影响业务故障级别P0/P1/P2/P3（按企业定义）故障发现时间YYYY-MM-DDHH:MM故障恢复时间YYYY-MM-DDHH:MM持续时长报告编写人部门/小组报告日期YYYY-MM-DD参会评审人2.故障概述（事件简述）2.1故障现象客观描述故障表现，不带主观猜测。示例：XX商城用户提交订单时，页面返回504网关超时；后台接口大量请求超时，订单创建成功率下降至30%。2.2影响范围受影响用户群体：受影响业务模块：影响指标：错误率、响应时延、交易量下降、是否资损、是否对外客户投诉是否有外部客户/监管通报：2.3时间线（时间轴，重点）按时间顺序记录关键动作：HH:MM：监控告警触发（告警项：xxx）HH:MM：运维收到告警，开始排查HH:MM：初步定位现象，执行临时止损操作HH:MM：临时恢复业务（止血动作）HH:MM：定位直接原因HH:MM：根因确认HH:MM：业务完全恢复，关闭告警3.故障排查过程排查思路：排查步骤、执行命令、查看日志、监控信息：排查过程中排除的非原因项（重要，避免重复踩坑）：例：排除网络链路中断、排除数据库主从切换、排除安全攻击4.原因分层分析（RCA核心）4.1直接原因触发本次故障的表层原因，是什么导致故障发生。示例：数据库连接池最大连接数耗尽，新请求无法获取连接，接口超时。4.2根本原因（核心，不要停留在“程序bug”，挖到管理/流程/架构）错误写法：代码写得有bug。推荐写法：上线前压测场景不全，未覆盖大流量下长事务占用连接场景；数据库连接池监控缺少连接数满的前置告警，等到业务报错才发现；变更发布缺少长SQL评审环节。4.3促成因素（放大影响）示例：熔断策略缺失，上游持续重试，进一步打满连接池；应急手册缺少连接池耗尽的一键止血方案；值班人员对该告警经验不足，定位耗时较长。5.故障定性与责任判定（按需，部分企业不写）故障类别：□程序BUG□配置变更□资源不足□网络故障□第三方依赖□人为误操作□硬件故障□安全事件事件定性：非故意操作/变更疏漏/架构缺陷/第三方故障6.整改行动计划（CAPA纠正预防措施）每条措施必须包含：措施描述、责任人、计划完成时间、验收标准、状态。序号类型整改措施责任人计划完成时间验收标准状态1纠正（短期止血）2预防（根治，长期）区分：纠正：本次故障紧急修复，恢复业务（治标）。预防：优化流程、架构、监控、规范，防止同类故障再次发生（治本，RCA重点）。7.经验复盘与改进要点本次做得好的地方：本次存在短板：后续通用优化建议：8.附件监控截图、日志片段、告警截图、架构图、变更记录、工单链接相关命令、堆栈、抓包文件链接9.评审结论□通过RCA报告，按计划落地整改项□需要补充材料，重新修订报告评审签字：__________日期：__________10.精简版（适合快速提交工单/短故障，P2/P3故障）故障简述：时间线：影响范围：直接原因：根本原因：放大因素：整改措施（责任人+截止时间）：复盘总结：11.配套RCA推荐分析方法11.15Why分析法（最常用）连续问5个为什么，挖到根因。示例：Q1：接口超时？A：数据库连接耗尽Q2：连接耗尽？A：长事务不释放连接Q3：长事务为什么上线？A：上线前没做SQL评审Q4：为什么没有SQL评审？A：发布流程缺少该卡点Q5：流程缺少卡点？A：变更管控规范不完善，未强制复杂SQL评审根因：变更发布管控流程缺失，缺少SQL评审强制卡点。11.2鱼骨