Date: 3 7 月, 2026
災難復原事件回應：不衝動行事的原則
警告出現，服務停止回應，工單開始堆積，有人喊道：「我們得做點什麼！」這種立即啟動恢復工作的本能是可以理解的，因為在事件發生時，採取行動會讓人感覺高效，而等待則會讓人覺得不負責任。在這種壓力下，做任何事都比什麼都不做要好。
然而，一些最具破壞性的決定災後復原之所以會產生誤會，並非因為無人採取行動，而是因為有人在不了解事情真相的情況下就採取了行動。哲學家馬可·奧勒留經常論述將事件本身與我們對其形成的判斷區分開來的重要性。我們首先會獲得對事件的印象，然後我們的思維會迅速形成一種解釋。如果我們不停下來審視這種解釋以及導致這種情況發生的行為，我們就會開始將一種假設當作事實。
為什麼衝動性事件反應會增加風險
例如，假設一台伺服器無法存取。我們可能立即得出結論，認為它已經出現故障，但實際上我們只知道無法與其溝通。它可能仍在運行，只是由於網路問題導致我們無法看到它。
這種差異很重要高可用性環境手動將應用程式遷移到另一台伺服器或許可以恢復服務，但也可能導致兩台伺服器都認為自己應該處於活動狀態。在高可用性環境中，這種情況通常被稱為「伺服器衝突」。裂腦情景兩個系統各自表現得好像擁有同一個應用程式或資源。旨在提高最終用戶可用性的回應措施可能會對應用程式或其資料帶來風險。
在對非關鍵組件進行常規故障排除時，我們也會觀察到相同的問題。重啟服務或許能暫時解決問題，但同時也改變了我們試圖了解的情況。重啟完成後，關於原始問題的有用資訊可能就消失了。我們可能在未了解問題根源或是否可能再次發生的情況下，就恢復了服務。
觀察與假設的區別
這並不意味著團隊在系統故障期間應該按兵不動，因為奧雷利烏斯並沒有提倡猶豫不決，克制也不應成為拖延或不作為的藉口。關鍵在於根據我們已知的資訊採取行動，而不是基於我們對可能發生情況的擔憂。我認為，當事件變得令人焦慮時，這種區分很容易被忽略。人們渴望了解最新進展，警報不斷出現，電話會議的沉默時間也會感覺比實際上更長。有人可能會建議重新啟動系統，因為上次遇到類似重大事件時重啟確實奏效了。
因此，即使當前問題的原因可能不同，但症狀卻與先前的問題相似，這個建議聽起來也像是可行的方案。經驗固然有用，但也可能導致我們思維上的捷徑。辨識熟悉的症狀固然重要，但想當然地認為它一定與上次事件的原因相同則不然。相似的症狀可能源自於截然不同的問題。
較規範的因應方式是只陳述已確認的資訊。與其說“伺服器宕機了”，不如說“伺服器在此位置沒有回應”。這種措詞看似微不足道，但卻能避免團隊將結論誤認為觀察結果。同時，也為其他人報告伺服器在其他地方可以存取留下了餘地。
為什麼在系統故障期間進行規範的故障排除至關重要
這時，事件響應就不僅僅是技術知識的問題了。它要求我們克制住急於解決問題的衝動，不要在真正理解問題之前就急於求成。有時候，光是多做一項檢查就足以改變調查方向和後續步驟。
第二個監控位置可能會顯示應用程式在內部仍然可用，而本機控制台可能會確認看似故障的伺服器實際上運作正常且已被隔離。這些資訊可以避免不必要的恢復操作，並幫助團隊找到真正的問題。
自動化在災難復原中的作用
設計良好的自動化流程遵循類似的原則。自動化流程的價值在於它可以持續回應，無需等待管理員起床或加入通話。然而，速度本身並不能保證自動化回應的正確性。
當恢復條件明確時，自動化系統應立即採取行動。當可用資訊不完整或相互矛盾時，較穩健的做法可能是停止操作並尋找更多證據。高可用性系統透過多種方式考慮到了這一點。獨立的通訊路徑有助於區分…一個連線出現故障避免整個伺服器癱瘓。當系統之間無法再相互通訊時，仲裁機製或見證機制可以提供另一種視角。這些控制措施至關重要，因為系統對環境的感知可能準確，但並不完整。
SIOS LifeKeeper 如何支持更明智的復健決策
生命守護者可以透過資源監控、定義的依賴關係和復原策略來支持這種決策。該技術有助於執行已製定的恢復計劃但它無法決定特定企業可接受的風險等級。這種判斷必須由相關人員在環境穩定時做出，而不是在事故發生後暫時做出。
建構更完善的災難復原事件運作手冊
清晰的流程有助於控制局面。一份完善的事件處理手冊應幫助團隊在做出重大變更之前明確已知資訊。它應說明如何確認應用程式是否已在其他地方激活，並確定誰有權啟動恢復程序。
我們的目標並非消除人的判斷，而是在時間有限的情況下，為此判斷提供一個可靠的基礎。我們無法消除技術帶來的不確定性：硬體會發生故障，網路會運作不穩定，應用程式偶爾也會讓最了解它們的人感到意外。我們所能做的，是做好準備，去辨識事件本身與我們最初對事件的解釋之間的差異。
災後復原中的紀律
奧勒留重提此觀點，是因為它最適用於困境。當一切皆有可能時，清晰的判斷自然易行。但當壓力迫使人們選擇最快的答案時，清晰的判斷就顯得格外重要。在突發事件中，房間裡最冷靜的人未必無所事事。他們可能正在確保下一步能真正解決當前的問題。在事件回應中，紀律並非不作為，而是拒絕讓壓力左右你的行動。
利用專為複雜 IT 環境建置的高可用性和災難復原解決方案，保護關鍵應用程式。申請演示了解 SIOS LifeKeeper 如何幫助您的團隊減少停機時間並充滿信心地恢復運作。
作者：艾丹‧麥克倫（助理產品支援專員）
經許可轉載SIOS