结论先行:云桌面项目的服务条款里,「一级故障」这四个字最容易埋争议。传统 PC 时代的分界线是单台设备坏了没有;云桌面时代的分界线变成了「多少人受影响、影响的是不是核心业务」。把老定义直接照搬,签约后头一次出问题就会吵起来。可靠的做法是三件事一起写进合同:定级的分界条件、判定的依据从哪来、由谁宣布升级。
本文只谈服务条款里的故障定级与响应承诺怎么写,不谈硬件层面的故障域怎么设计,不谈值守怎么排班,也不谈违约金怎么算。
为什么照搬会出问题
传统终端运维的定级逻辑很朴素:一个人用不了,算小问题;一个部门用不了,算中问题;整个单位用不了,算大问题。这个逻辑在 PC 时代成立,因为故障单元就是一台机器,影响面和机器数量基本成正比。
云桌面把这个比例关系打乱了。一台接入终端黑屏,可能只是那一个人的事;后台一组资源出问题,可能整层楼的人都登不上,也可能一个人都没事——因为受影响的正好是还没上班的那批人。同样一次故障,换个时间点发生,影响面差好几个量级。
还有一个更麻烦的:云桌面的「用不了」经常是部分功能用不了。能登录、能打开文档,但打印不出去;能上网,但访问不了内网系统。这类故障在传统定义里既不算小也不算大,现场各自理解,最后变成两边各拿一套说法。
分界条件要写成可判断的句子
可用的写法不是「重大故障」「局部故障」这样的形容词,而是带数量和范围的分界。常见的三段切法可以这样落:
| 档位 | 分界条件 | 响应与到场 |
|---|---|---|
| 一级 | 整体无法登录,或某栋楼、某个厂区、某条核心业务线的用户批量无法使用 | 7×24 受理,15 分钟内响应并启动应急,核心城市 2 小时内工程师到场 |
| 二级 | 局部功能异常或部分用户无法使用,核心业务整体不受影响 | 30 分钟内响应,远程优先排查,4 小时内给出解决方案,必要时上门 |
| 三级 | 单个用户问题、操作类咨询、次要功能异常 | 1 小时内响应,远程指导,常规问题当日闭环 |
这张表真正起作用的地方在「分界条件」那一列,而不在时限那一列。时限是谈判出来的,条件是可以被事实核对的。把「多少人」「哪些楼」「哪条业务线」写清楚,争执的空间就小得多。
判定依据要能拿出来
定了条件,下一个问题是凭什么认定。争执最典型的场景是:甲方说这是大面积,乙方说后台只看到三个人报障。两边说的其实都对,只是看的不是同一份数据。
所以合同里值得补一句:定级以什么为依据。合理的选择是双方都能看到的那份数据——平台侧的在线用户数与登录失败数、服务台的报障工单数与来电数、关键业务的可用性探测结果。这三样里至少要有两样能对上,才算定级成立。
这一条还有个副作用是好的:它逼着项目在交付阶段就把监控和报表配好。没有这些数据,条款写了也用不上。
谁来宣布升级,谁来宣布恢复
这一条最常被漏掉,但它在真实故障里最关键。故障发生后的前二十分钟,最大的浪费不是技术排查,而是两边都在等对方先确认「这算几级」。
可落地的分工是:乙方一线有权直接按一级启动应急,不需要事前审批,事后补一份定级说明;甲方值班负责人有权在认定影响面扩大时上调一级,下调则需双方确认。把「上调不需要商量、下调需要书面」这条写进去,能省掉大量扯皮时间。
恢复的宣布同理。技术上恢复和业务上恢复不是一回事——服务端好了,用户的桌面可能还没重连,本地的临时文件可能已经丢了。合同里写清「恢复以什么为准」,比写「尽快恢复」有用。
三级故障最容易失控
三类里,最容易被忽视的是三级。单用户问题看起来无害,但它占的服务量往往最多:操作不会、外设不认、打印偏位。这类问题如果没有闭环机制,会持续消耗一线人力,同时把真正的一级二级信号淹没在噪声里。
可行的做法是给三级问题加两个约束:一是当日闭环,当天解决不了的要升档,不许挂在一线手里过夜;二是同类问题合并统计,同一类咨询一周出现超过若干次,就要回头改培训材料或改配置,而不是继续一台一台地答。第二件事做了,三级的量会自己降下来。
边界与前提
这套写法有前提:项目在交付阶段就交付了可核对的运行数据,否则定级还是靠电话里描述。另外,到场时限要按地理范围分开写——同一个城市和跨省分支,2 小时和 8 小时都可能是合理承诺,混在一起写等于给自己挖坑。
深圳市奇摩计算机有限公司做的是服务这一头,在云桌面项目里见过太多「条款写得很全、出事还是吵」的场面。多数不是因为谁想赖账,而是签约时没人把「怎么算一级」翻译成能被数据核对的句子。这一步的工作量大约是一页纸,收益是后面三年的每一次故障。
