2.9 KiB
2.9 KiB
客服 SLA 与升级响应规范
版本：v1.1
状态：已更新为灰度门禁口径
关联：docs/MONITORING_ALERTING.md、docs/GRAY_DASHBOARD_MINIMUM.md、prd/GRAY_RELEASE_ROLLBACK_RUNBOOK.md
1. Phase 1 灰度期 SLA
灰度期的 SLA 不是最终商业承诺，而是是否继续放量的门槛。
1.1 核心灰度门槛
| 指标 | 目标值 | 用途 |
|---|---|---|
| Webhook 成功率 | >= 99%（5 分钟窗口） |
是否允许继续放量 |
| Webhook 5xx | < 1%（5 分钟窗口） |
超阈值即停止放量 |
| Readiness 可用率 | >= 99.5% |
实例是否稳定接流量 |
| PostgreSQL 依赖异常 | = 0（5 分钟窗口） |
关键依赖门禁 |
| Audit 写入失败数 | = 0（5 分钟窗口） |
合规/追溯门禁 |
| Handoff 比率 | <= 25% 或不高于基线 2x |
判断机器人能力是否异常退化 |
| 工单接单时间 P95 | <= 30 分钟 |
人工链路可承载性 |
| 工单解决时间 P95 | <= 4 小时 |
最小服务能力 |
1.2 灰度期分级
| 级别 | 定义 | 响应时间 | 恢复目标 |
|---|---|---|---|
| P0 | 数据库不可用、全量 5xx、审计主链断裂 | 5 分钟 | 30 分钟内恢复或回滚 |
| P1 | 5xx > 1%、连续 readiness down、ticket 主链异常 | 15 分钟 | 1 小时内恢复或回滚 |
| P2 | reject 异常升高、handoff 比率异常、重启抖动 | 30 分钟 | 4 小时内恢复 |
2. 升级与通知规则
| 触发条件 | 等级 | 通知 |
|---|---|---|
Webhook 5xx > 5% 持续 5 分钟 |
P0 | 电话 + 飞书，立即回滚 |
PostgreSQL 连接异常导致 ready 失败 |
P0 | 电话 + 飞书，立即冻结放量 |
Audit 写入失败数 > 0 持续 5 分钟 |
P1 | 飞书，立即停止继续放量 |
Handoff 比率 > 25% 或高于基线 2x |
P2 | 飞书，需人工研判 |
单实例 10 分钟内重启 > 2 次 |
P2 | 飞书，冻结当前档位 |
3. 当前实现与 SLA 的关系
3.1 已有支撑
live/ready探针已具备- PostgreSQL readiness 检查已接入
- webhook HMAC / timestamp / dedup 已具备
- ticket / audit / dedup 本地/容器化 Gate B 已证据化通过
3.2 仍待落地
- 真实共享预生产环境上的统一指标采集
- 告警平台接入
- 灰度阶段的自动统计和 dashboard
因此当前 SLA 结论应当理解为：
门槛已定义，但真实共享预生产和灰度环境的观测接线仍需补齐。
4. 与放量门禁的绑定
进入下一灰度档位前，必须满足：
- 最近一个观察窗口
webhook 5xx <= 0.5% audit 写入失败数 = 0postgres 连接异常 = 0- 无连续
readiness down - handoff / ticket 指标没有异常飙升
任一条件不满足：
- 不允许继续放量
- 必要时触发回滚
5. 当前版本状态
- 文档版本：
v1.1 - 本次更新日期：
2026-05-04 - 下次审查：灰度第一轮结束后