根因分析(RCA)

定义

根因分析(Root Cause Analysis,RCA)是从故障或事故的表面现象出发,系统性地追溯其深层原因的方法论,目标不是追责,而是找到能防止同类问题复发的改进点。它起源于制造业质量管理,后被软件运维与 SRE 实践广泛采用。

常用方法

五问法(5 Whys)通过连续追问'为什么'逐层深入,源自丰田生产方式;鱼骨图(石川图)按人、机、料、法、环等维度穷举可能原因;事件时间线重建则按时间排列变更、告警与操作,定位触发点。

现代观点

复杂分布式系统的故障往往是多因素叠加而非单一'根因',安全工程界(如 John Allspaw 引介的 Safety-II 思想)主张用'贡献因素分析'替代单根因叙事,避免止步于'人为失误'这类浅层结论。

实践

RCA 结论通常沉淀在事后复盘(postmortem)文档中,并转化为可跟踪的改进事项,如增加防护、完善告警、改进流程。