RCA report

什麼是 RCA Report？

RCA 全名是 Root Cause Analysis，中文翻譯為根本原因分析，是一種用來解決問題的方法。RCA Report 是一份報告，用來記錄問題發生的過程、原因、解決方法等，以便後續查看。

RCA Report 結構

RCA Report 通常包含以下幾個部分：

1. 事件概述

• 事件名稱： （描述事件的簡短標題，例如 “服務中斷：API 無回應”）
• 事件編號： （用於追蹤的唯一識別碼，方便建檔查詢用）
• 發生日期與時間： （事件開始與結束的具體時間）
• 影響範圍： （受影響的服務或模組，例如 Web API、資料庫、伺服器節點）
• 撰寫人： （負責撰寫此報告的人員或團隊）

---

2. 事件背景

• 服務概述： （簡要說明受影響的服務及其主要功能）
• 系統架構： （簡單描述系統架構，例如微服務架構、伺服器分佈圖）
• 事件摘要： （描述事件發生的情境與主要症狀，例如「客戶報告系統回應時間超過 10 秒」）

---

3. 影響分析

• 受影響的系統： （列出具體的服務、模組、API、伺服器等）
• 使用者影響： （受影響的使用者數量、區域、行為等）
• 關鍵數據： （例如請求失敗率、延遲時間、錯誤代碼數據）
• 業務影響： （例如收入損失、品牌信譽影響）
• 故障時間： （事件持續時間，包含 MTTR 分析。註：MTTR 是 Mean Time To Repair，是指服務中斷到復原的平均時間，$\mathrm{MTTR}=\frac{\mathrm{解決期間總中斷時間}}{\mathrm{解決期間事件總數}}$）

---

4. 問題分析

• 問題描述： （直接描述問題現象，例如「資料庫無法連線」或「API 響應超時」）
• 時間軸： （列出事件發生到解決的具體時間點）
  • 事件偵測：
  • 啟動緊急處置：
  • 臨時補救措施：
  • 恢復服務：
• 根本原因： （詳細分析問題根本原因，例如伺服器資源不足、配置錯誤、程式碼錯誤等）
  • 使用分析工具：5 Why、魚骨圖或相關數據追蹤
• 輔助原因： （其他影響問題的間接因素，例如監控不足、過時的硬體）

---

5. 緊急處置

• 臨時措施： （事件期間採取的應急處理方案）
• 臨時措施效果： （如部分恢復服務，緩解用戶影響）

---

6. 改進計畫

• 根本解決方案： （說明解決根本原因的具體計畫）
  • 例如：「優化 SQL 查詢性能」「增加伺服器資源」
• 預防措施： （為避免問題重複發生所採取的措施）
  • 例如：「增強監控告警功能」「改進發布流程」
• 行動負責人與時間表：
  • 行動項目 1：描述 & 負責人 & 預定完成時間
  • 行動項目 2：描述 & 負責人 & 預定完成時間

---

7. 教訓與改進

• 學習成果： （從此次事件中吸取的經驗教訓，例如「需要加強異常告警的即時性」）
• 流程改進： （優化運維流程或架構設計的建議）
• 員工培訓： （是否需要加強相關人員的技能或知識）

---

8. 附錄

• 事件數據： （相關數據圖表，如監控報告、日誌截圖）
• 故障分析工具： （使用的分析工具及結果，例如 ping、kibana 日誌）
• 系統拓撲圖： （有助於理解架構的圖片）
• 其他文件： （例如配置文件、操作記錄）