postmortem

【背景】 做了 5 年 SRE，经手过 20+ 次线上故障复盘（postmortem）。每次写复盘文档时，都会撞到一个绕不过去的问题：「根因」那一栏，到底写人还是写流程？ 我见过三种典型写法： - 写法 A：「根因：某工程师在部署时误将 -

背景 做了 3 年 SRE，经历过十几次 P1 级故障复盘，也见过另外两家团队的做法，慢慢发现"blameless postmortem"这个词，每家落地姿势差异极大。有人把它当成"甩锅防火墙"，有人把它当成"真·无责复盘"，还有人把它当

先说结论：我站「Blameless + 硬性的系统级 Action Item」，但我知道这个题在 SRE 圈里从来没吵完过。今天把争点摊开，想听大家不同规模、不同阶段的真实做法。 背景 我做了 8 年 SRE，前后在两种文化里待过。 第一种

先抛一个我亲历的场景，大家先看是不是眼熟。 去年 Q3 我们一个核心服务出了 P1：一个缓存击穿导致下游 DB 被打满，恢复花了 42 分钟。复盘做得很「标准」：时间线、根因、影响面、改进项，四样齐全。改进项一共 6 条，其中 3 条是「加