3. MTTR 复盘口径：定义、局限与动态调整的必要性
MTTR（Mean Time to Repair，平均修复时间）是衡量故障恢复效率的核心指标，也是 SLO 误差预算消耗后复盘的关键输入。然而，传统 MTTR 复盘口径存在显著盲区，若不随误差预算状态动态调整，复盘结论可能误导资源投入方向。
3.1 MTTR 定义与标准计算
MTTR 在 SRE 语境下定义为：从故障被确认（或告警触发）到服务完全恢复至正常 SLO 水平所消耗的平均时间。其标准计算公式为：
MTTR = (故障1修复时长 + 故障2修复时长 + ... + 故障N修复时长) / N其中，修复时长通常包含以下阶段：
| 阶段 | 定义 | 典型时间占比 |
|---|---|---|
| 检测时间 (TTD) | 从故障发生到监控系统发出告警 | 10% – 20% |
| 响应时间 (TTR) | 从告警到工程师开始排查 | 5% – 15% |
| 诊断时间 (TTDx) | 从开始排查到定位根因 | 40% – 60% |
| 修复时间 (TTFx) | 从定位根因到服务恢复 | 15% – 30% |
关键区分：MTTR 不等于故障总时长。故障总时长包含用户感知异常的全部时间，而 MTTR 仅统计团队可控的修复过程。误差预算消耗计算应基于故障总时长，而复盘口径应聚焦 MTTR 各阶段。
3.2 传统复盘口径的三大局限性
大多数团队采用“一刀切”的 MTTR 复盘口径——对所有故障使用相同的阶段划分、权重和复盘深度。这种做法存在以下系统性缺陷：
- 忽略故障严重度差异：P0 级故障（核心服务完全不可用）与 P3 级故障（非核心功能降级）使用相同的 MTTR 目标，导致复盘时对高影响故障的改进投入不足，对低影响故障过度分析。
- 静态阈值脱离业务状态：MTTR 目标通常设为固定值（如 30 分钟），不随当前 SLO 误差预算剩余量调整。当预算充足时，快速恢复的优先级被高估；当预算紧张时，恢复速度的改进空间被低估。
- 忽略修复成本与收益：传统复盘只关注“是否达到 MTTR 目标”，不评估“为缩短 MTTR 所投入的工程成本”与“节省的误差预算”之间的性价比。这可能导致团队为缩短几分钟 MTTR 而投入数周开发资源，而实际节省的预算对 SLO 达成影响甚微。
常见陷阱：部分团队将 MTTR 复盘简化为“追责工具”——谁响应慢了、谁诊断错了。这种文化会促使工程师隐瞒故障或延迟上报，反而拉长实际修复时间。MTTR 复盘应面向系统改进，而非个人问责。
3.3 为什么需要动态调整复盘口径
误差预算驱动下的 MTTR 复盘，要求复盘口径随预算消耗状态动态变化。核心逻辑如下：
- 预算充足期（剩余 > 50%）：复盘口径应放宽，聚焦于“系统性改进”而非“单次故障速度”。此时 MTTR 目标可适当放松，将工程资源优先投入自动化、混沌工程等长期可靠性建设。
- 预算中等期（剩余 20% – 50%）：复盘口径回归标准，按故障等级差异化设定 MTTR 目标。P0 故障要求 15 分钟内恢复，P3 故障可接受 2 小时。复盘重点在于诊断阶段的效率瓶颈。
- 预算紧张期（剩余 < 20%）：复盘口径收紧，所有故障均按最高优先级复盘。MTTR 目标整体下调 30% – 50%，复盘深度从“阶段分析”升级为“分钟级时间线分析”，并强制要求输出可量化的改进措施。
3.4 动态复盘口径的量化规则
基于误差预算剩余比例，定义 MTTR 复盘口径的调整系数与复盘深度等级：
| 预算剩余比例 | MTTR 目标调整系数 | 复盘深度等级 | 强制输出项 |
|---|---|---|---|
| > 50% | ×1.2（放宽） | L1：概要复盘 | 故障摘要 + 阶段耗时 |
| 20% – 50% | ×1.0（基准） | L2：标准复盘 | 阶段耗时 + 根因分类 + 改进项 |
| 5% – 20% | ×0.7（收紧） | L3：深度复盘 | 分钟级时间线 + 根因 + 改进项 + 负责人 |
| < 5% | ×0.5（极限） | L4：紧急复盘 | 同上 + 管理层审查 + 资源调配方案 |
实践建议：在故障管理平台中配置自动化规则——当误差预算剩余比例低于阈值时，自动提升该故障的复盘等级，并通知对应级别的审批人。避免依赖人工判断，减少“忘记升级复盘”的情况。
3.5 动态调整的落地流程
将动态复盘口径嵌入现有故障管理流程，建议按以下步骤实施：
- 步骤一：建立预算-复盘映射表——将上述量化规则配置到故障管理系统中，作为自动触发复盘等级的依据。
- 步骤二：故障发生时记录预算状态——在故障工单中自动记录当前误差预算剩余比例，作为复盘口径选择的输入。
- 步骤三：按等级执行复盘——L1/L2 由故障负责人完成，L3/L4 需组织跨团队复盘会议。
- 步骤四：复盘产出与预算联动——将改进措施的预期 MTTR 缩短量换算为预算节省量，评估投入产出比。
- 步骤五：定期校准映射表——每季度根据实际故障数据调整调整系数，确保复盘口径与业务风险持续对齐。
通过上述动态调整机制，MTTR 复盘从“固定模板”升级为“预算感知”系统，确保每一次复盘投入都与当前业务风险等级匹配，最大化有限工程资源的可靠性改进收益。