“网站宕机了。”
没有什么比系统宕机更让开发者担忧的了，尤其是在电子商务网站上，每一分钟都意味着收入的损失。
但宕机确实会发生。为了尽量减少其影响，你需要提前制定预案。其中较棘手的一个方面是确定优先级——即哪些事情需要最先处理。以下是我的建议：
- 尽快恢复网站上线。
- 与客户沟通。
- 修复故障原因。
1. 尽快恢复网站上线
首要目标是让你的网站重新上线。离线时间越长，你在收入和客户信任方面的损失就越大。
网站不必完全恢复正常，只需具备基本功能，使购物者能够再次使用它。
这可能意味着高级功能被禁用。可能意味着 storefront（前台商店）正在接收订单，但尚未将它们发送到你的履约系统。甚至可能是你不得不通过支付网关手动处理付款。
虽然手动操作对于服务客户可能是必要的，但它也可能带来问题。有两个重要的考虑因素。
首先，许多宕机之所以持续时间较长，是因为未被识别的依赖关系引发了连锁反应。例如，手动重启一台服务器可能导致其他服务器崩溃，从而加剧危机。
因此，在转向手动操作之前，应优先尝试使用现有流程。这样可以减少错误，降低进一步损坏的风险，并使后续的修复阶段更加容易。
其次，保存所有关于宕机的取证数据。这包括日志文件、崩溃转储、软件运行时快照，甚至整个服务器。但请注意，只有在这些操作不会暂停或阻碍网站恢复上线的情况下才进行。
2. 与客户沟通
在宕机期间，清晰直接地与客户沟通非常重要。
我将此列为第2步，但它可以与第1步同时进行。在技术团队恢复网站上线的同时，其他人员可以专注于告知购物者情况，并在必要时提供协助。
例外情况是当恢复上线与沟通发生冲突时。此时，沟通应退居次要地位。例如，如果开发人员需要禁用转化追踪工具，营销人员应先协助他们，然后再与客户沟通。
您与客户沟通的方式和渠道将取决于您的商店以及可能受影响的客户数量。故障影响范围越大，沟通就越应该正式且广泛。请考虑以下渠道：
- 电子邮件广播，确保它们不与网站相连——例如链接、图像、追踪像素（tracking pixels）。
- 如果您的博客独立于主站或未受故障影响，也可通过博客发布。
- 如果您有状态页面。
沟通中需要包含的关键点包括：(a) 我们正在处理该问题；(b) 在哪里可以找到进一步更新；(c) 解决潜在担忧，例如信用卡或个人信息泄露。
3. 修复根本原因
至此，网站已恢复上线或至少具备基本功能。您已通知客户并提供更新，正逐步恢复正常运营。
现在是让工作人员稍作休息的好时机。根据故障情况，休息时间可能是几小时或几天。如有必要，请轮换员工——部分人员休息，其他人继续管理店铺。
在根本原因完全修复前就让人放松似乎有违直觉，但疲劳会导致错误。休息有助于防止因人为失误而引发第二次故障。
在修复阶段，请告知客户问题已解决，您正在密切监控，并且随着调查深入可能会提供更多信息。
现在查明发生了什么，并进行修复。
在第1步期间，您可能已经发现了可能导致或加剧故障的因素。希望您保留了取证数据。现在是收集所有相关数据并尝试拼凑出事件全貌的时候。
您可以使用标准的风险管理流程或您自己的流程来帮助引导您的思路。一次中断可以被视为实际发生的风险（或多个风险）。
在此第3步中，寻找改进流程的方法，以防止类似故障再次发生，或至少将其影响降至最低。这可能包括更换软件、切换供应商、增加冗余系统，或采取组合措施。
故障难免发生
请记住，服务中断是难免的。即使是亚马逊这样的巨头也会遇到这种情况。关键在于从中吸取教训，以减少其发生频率。制定一份如上文所示的中断应急预案，将有助于最大限度地降低其影响。