别随便对客户承诺99.9%在线率！算清停机预算与保命实战指南
我们曾向客户拍胸脯保证“99.9%的系统在线率”，但团队里根本没人去算过这笔账。
到底什么是99.9%？它意味着每个月你只有43分50秒的停机时间。这就是你全部的“停机预算”。每一次部署导致的2分钟报错，每一次超时的数据库迁移，都在消耗这可怜的43分钟。当我们把这个数字大大地写在白板上时，半夜响起的报警声终于变少了。
停机预算一览（别拍脑袋定目标）
在定目标前，先看看这些数字到底意味着多长的停机时间：
- 承诺 99%：每月允许停机 7小时12分钟
- 承诺 99.5%：每月允许停机 3小时36分钟
- 承诺 99.9%：每月允许停机 43分50秒
- 承诺 99.95%：每月允许停机 21分55秒
请选择客户目前真实体验到的数字，而不是你梦想中的数字。
7步保命清单
- 只公布一个真实数字。 一个没人相信的在线率目标，还不如一个诚实的数字。
- 从客户的角度测量。 如果内部系统挂了但客户毫无感知，那就不算消耗预算。没有外部监控，你根本不知道真正发生了什么。
- 每次故障记一笔流水账。 日期、时长、原因、客户是否可见。每个月加总一次。一个季度只要记好这十来行数据，就是小团队管理在线率的全部秘籍。
- 把日常维护算进预算里。 一次20分钟的数据库迁移，一口气就花掉了99.9%预算的一半。你要么故意安排在这个时间段，要么干脆把目标降到99.5%，换取安稳的睡眠。
- 部署代码也要花停机预算。 一周部署10次，每次闪退30秒，一个月就没了25分钟——预算直接去了一大半。所以“零停机部署”不是什么奢侈品，而是为了把预算留给真正的突发故障。
- 设置“燃烧预警”，而不是追求完美。 设定警报：如果第一周就用掉了50%的预算，说明你这个月肯定会超标，提前报警。
- 超标后只问3个问题，不搞批斗会。 钱花哪了？怎么才能预防？这个在线率承诺还合适吗？
保持诚实的铁律
- 预算是全公司共享的。 部署、维护、故障，大家共用一个钱包。只要有一个团队觉得他们的停机“不算在内”，这个数字就失去了意义。
- 宁可对客户多算，也别骗自己。 比如停机3分钟，按5分钟算进预算。这是防止自欺欺人的最便宜的保险。
- 每年大声重申你的承诺。 每年复核的在线率，是你能守住的合同；一成不变的承诺，只是你早就安排好的违约。
我们在小团队的运维工具包里，提供了完整的流水账模板、预算燃烧告警阈值和维护日历：
- The First 30 Minutes — 免费的单页故障应急指南
- Ops Starter Kit — $14 — 专为小团队设计的故障响应包
- Ops Starter Kit Vol. 2 — $27 — 高阶故障指挥，包含监控套件
- Automation Starter Pack — $19 — 一键式工作流，让在线率检查自动更新
发布周限时优惠：结账时输入优惠码 HIVE-LAUNCH30，任意付费工具包享7折。
想看看带有账本实例的完整复盘文章，可以看我们的运维笔记。
直达网址：https://hive80-lab.github.io/ops-notes/uptime-downtime-budget.html
