09 故障：故障不可避免，但追责机制很重要
你好，我是晓蕾。
阿里绩效考核的3.25分咱们或多或少都了解过。道哥也有过两次3.25的绩效经历，因为出现过严重的安全故障。
现在说起故障管理，好像已经成了一个体系，有这样那样的方法论，但其实真的发生了故障，特别是有严重后果的故障，怎么解决、怎么面对都不是件容易的事儿。有一种教育叫“优雅失败”，这确实是一门重要的人生功课。
极客时间：你被打了两次3.25的绩效？
道哥：对，其实都是自己打的。901是2015年9月1号，当时把所有的服务器搞挂了。除了901，还有一次仅次于901的大故障。那一年我们在做整个网络的升级改造，我们团队把整个阿里云网络搞挂了，中断了好久，可能至少影响了40%的网络流量，我都是要承担主要责任的。
极客时间：901的时候是什么感觉？
道哥：当时蛮复杂的，肯定着急嘛。但是也顾不上着急，因为我知道在那个时刻必须在一线顶住所有的压力，去把问题处理好、解决掉。等到事后要杀要剐，就是公司决定了。
极客时间：当时团队里的同学是怎么想的？
道哥：团队同学，我觉得他们压力是挺大的，但是他们没有表现出来。
极客时间：为什么没有表现出来？你们团队平常的风格也是这样吗？
道哥：这个可能是人的正常反应。举个例子，比如说你在海上面航行，那艘船快沉了，请问你是什么表现？如果你是个乘客，估计就在那慌了。但如果你是船员，你肯定在想办法补救，所有的注意力必须集中在解决问题上，其他情绪都必须靠边站的，否则这个船就真的沉了，哪还顾得上别人。
极客时间：你是怎么看故障这个事的？现在是不是不太会出大的故障了？
道哥：其实现在也还会再出大故障的，比如说阿里云在2022年香港机房的故障。或者说基本上可能每周会有些小故障，但是大故障的话要好很多了。故障不可避免，但是这里面的追责机制就很重要。
极客时间：你怎么理解追责机制？
道哥：振飞在这点上做得特别好，我从他身上学到很多。当年他负责整个AIS，他有一个规则，凡是出故障，其他部门扯皮的话，一律算AIS的故障，他先背了这个责任。还有一个规则，就是凡是涉及外部第三方的，内部一定要定一个人，所有的故障必须追责到人。如果是大故障，管理者要承担连带管理责任，这是最基本的。
这些东西已经变成我的世界观的一部分了。相反地，如果反过来往外推责任，这个就是胡搞了。或者说内部追责经常也追不到人，没那么认真追责，这件事情我觉得很危险。
极客时间：事情有唯一的责任人，除了故障处理，在日常工作的管理中也可以是这样吗？
道哥：没有，我觉得这件事情是个效率的问题，其实就是老板顶上去就行了。大老板就是要一捅到底，在这个事上不要含糊。同时还要奖罚分明，如果出问题，该怎么着怎么着。
极客时间：这个真的很难，需要很强的贯彻力，要不然中间一两次出问题大家就会看，觉得你为什么这么处理，为什么那么处理。
道哥：领导力非常强才行。
极客时间：这种强势领导力是适用于公司的所有阶段吗？还是分情况。
道哥：一方面是不同领导的风格。另一方面和公司的规模、阶段有关系，公司追求效率的时候，肯定是要用这种管理方式，公司追求创新的时候，可能就要松散一点。
极客时间：到了一定阶段，其实都会有一些冗余去做创新？
道哥：对，有一定的关系。也有不同公司性质的因素，都是有一定的关系的。
极客时间：901的时候有一个处理环节是“手写道歉信”，我觉得这个事很真诚。你是怎么想出来的？
道哥：就是直觉。没有别的，当时真的觉得业务做到这个份上不容易，这艘船不要沉，希望它能继续好下去，而且希望用户能够再给我们一次机会，选择相信我们。我就发自内心地想去做这个事情。
当然可能也会有人说我们是做秀，不管别人是怎么看的，我们只需要专注在我们的客户是不是愿意再相信我们就好了。
极客时间：团队里的同学跟你一起手写了道歉信？
道哥：对，我发动了。
极客时间：所有人都愿意去写吗？
道哥：愿意，团队所有人都愿意，这就是要找同路人。
极客时间：很难得。关于找同路人这件事情，你在公众号里提到过闻味官这个词。你现在招人的时候，还会有这个环节或者动作吗？
道哥：我觉得我的同事现在做得比我好。我现在的合伙人招人的时候，有些人我都觉得可以过了，他说不行，他说自己在跟面试者聊的时候，在面试者的眼睛里看不到光。他还会跟我说那谁谁谁，我们招他，在和他谈到我们使命愿景的时候，能感受到他的眼睛是在发光的。我认为这就是闻味道。
极客时间：闻味这个动作具体来说，就是跟他去聊你们的使命愿景，去看他是不是认同，对吗？
道哥：对。如果一个人对我们的使命愿景都不感到兴奋，那我估计也很难一起走很远。我觉得现阶段，尤其是创业公司，应该是优先找同路人，能力反倒在其次。
极客时间：说回到901故障处理，这件事情过后团队有什么变化吗？比如大家的心气等等这些方面？
道哥：这是让我比较感动的地方，大家没有任何变化，还是该干嘛干嘛。我认为大家的士气并没有受太多影响。
极客时间：为什么会没有受太大的影响？还是跟你说的找同路人是一个原因吗？
道哥：应该不完全是。如果是找同路人，我相信大家的士气会更加高昂。因为这是在阿里，所以大家可能觉得垮是公司垮了，自己还有饭吃。大多数人可能是这个心态，当然这也是我揣测的，我也没跟大家深入地去一个个聊。
我相信在这么大的团队里肯定有好人、有坏人。好人肯定觉得挺难过的，就想好好把事情再做一做，这个时候他会专心地去做事情。还有一些人就是很职业的人，他们肯定觉得出了这个故障，公司该怎么处理怎么处理，自然有公司的方法。他们的结论就是你只要做好本职工作就行了，我相信在公司里的大多数人应该是这个心态。
但如果是安全宝出了这种事情就不是这样的，或者说在初创公司会有两种极端情况。第一种就是想公司估计快不行了，该脚底抹油了，该写简历了，可能就要开始看机会了。还有一种就是反正也跟公司绑死了，也没什么后路，那就是跟公司共命运，如果需要做更多的话他们会主动做。
极客时间：那会儿你会做一些心理建设，比如说万一同事来找我，我会跟大家怎么去聊吗？
道哥：其实我觉得也不用聊什么，还有什么要聊的呢？我们所有的事情做是在明面上的。也没做什么心理建设，该怎么聊怎么聊。如果大家有困惑可以来找我，但是也没有人来找我，当然也可能是我脾气不好，没人敢找我。
极客时间：所以你觉得处理安全事故应该怎么做？
道哥：先尊重行业惯例，连行业惯例都没搞清楚，那就是胡搞了。
极客时间：你在PR方面会有自己的一些想法吗？
道哥：有一些想法。有的PR我觉得像是一个风控团队，风控的事情他们确实专业，他会告诉你这个稿子里这句话写得有问题，应该改成什么样。再就是他们有一些资源和渠道可以联系一些媒体。真正的大PR，比如说王坚博士自己会做PR，如果我要搞什么事情我也会自己做PR。
极客时间：你有意识地思考“如果是自己在这个位置，会怎么做PR”，有这种想法是从什么时候开始的？
道哥：感觉我做PR由来已久了。其实从我做幻影的时候就已经具备意见领袖的能力了，后来开始写博客，再往后才有了公众号。
公众号写完之后影响更大了一点。但是我也没有把公众号当成一个正经事，后来就不搞了，因为我的志向不是做一个专栏作家，我觉得我有更重要的事情。虽然大家觉得它很成功，但是对我来说这根本就不是一个重要的事情。
我到了安全宝之后为什么继续写公众号呢？是因为我需要一个阵地来为自己的产品和业务发声。
极客时间：如果用一句话总结一下，你觉得PR的本质是什么？
道哥：要为公司业务负责。PR实际上是要制造热点事件的。
我举个例子，比如前一段时间我看到路虎有一辆车，逆着天门山那个大洞口的台阶就这样开上去了，那个台阶有999级，我觉得这就是相当棒的PR。包括AlphaGo，也是一个非常好的PR。让机器跟李世石做一个对战，机器第一次在一个人们从来没想象过的领域打败人类。我觉得这些就是标志性的PR，我心目中的PR是这种的，要制造这样有影响力的事件。
互动小茶桌
故障处理有机制很重要，更重要的是怎么落地机制。很多事情的处理方式之所以让人印象深刻，是因为其中饱含真诚，真诚永远是必杀技。俗话说患难见真情，从某种意义上来说，对于一个团队，一起扛过事儿会让团队赤诚相见，更有凝聚力。
这一节我们还提到了闻味道，怎么通过使命愿景的认同感找到同路人呢？下一节我们就邀请道哥聊一聊他在管理方面的洞见。
最后留一个互动话题，你在工作中出现过什么重大故障吗？你是怎么处理的？有哪些心得和体会？欢迎分享你的故事。我们下一节见！
戳此加入访谈交流群，和道哥一起探索工程师精神。
- 苏果果 👍（1） 💬（0）
🎉喜大普奔🎉 道哥将于9月20日做客「极客时间」直播间。 关于道哥，关于自己的成长，你还有什么想问的问题吗？ 欢迎在任意一节课下方【留言评论】！ 我们会在【赞数较高】的问题中挑选3个，在直播间给出【比留言回复更更更详细】的解答！ 还等什么！快来提问吧！😉
2023-09-15 - 种个大西瓜 👍（1） 💬（2）
请问 PR 是什么意思？
2023-09-22 - 二师兄 👍（0） 💬（0）
23年12月，今年到目前为止已经有语雀，阿里云，滴滴先后出p0级故障了
2023-12-08