结论先行:多厂商环境里最耗时间的不是排障,是找责任人。服务器说存储慢、存储说网络丢包、网络说应用写得有问题,三家都能拿出自己的日志证明自己没事。这件事在技术上无解,只能在合同上解:指定一个归口人、把牵头的判定权和证据口径写进去。签约时多写一页,出事时少吵三天。

本文只谈多厂商之间的责任归口怎么在合同里定,不谈单个系统该不该交给外部接管,不谈具体故障怎么定位和复现,也不谈事后追责的赔偿怎么算。

为什么「不是我的问题」总能成立

三家都说自己没事,往往三家说的都是真话。原因在于每一家的观测面只覆盖自己那一段:服务器厂商看的是本机的资源与日志,存储看的是自己的时延和带宽,网络看的是链路丢包和端口错误。一个横跨三段的故障,在每一段上都可能只留下一个「略高于平时」的迹象,谁都不足以单独定性。

更麻烦的是时间基准。三家的日志对不上齐,同一个现象在不同设备上的时间戳差几十秒,先后顺序就说不清了。说不清先后,就说不清因果;说不清因果,就回到「不是我的问题」。

所以这件事的解法不在技术深度,在流程位置:必须有一个角色,他的职责不是「证明自己没问题」,而是「判断谁有问题」。这个角色在有总包的情况下自然存在,在平行采购的情况下通常缺席。

三种采购结构,三种结果

结构故障发生时代价
单一服务商统筹全栈由服务商牵头部内定责,客户只对接一个窗口需要服务商真正覆盖多技术栈,而不只是转卖
多家平行采购客户自己当裁判,逐家开会时间全耗在协调上,一线被迫承担接口人角色
原厂加第三方混合看谁被写成了牵头方,没写就退回第二种责任边界靠临场协商,每次都不一样

第二种结构在国内的中大型单位里最常见,因为采购制度倾向分项招标。它本身不是错的——分项采购能压价、能避免绑定。问题在于分项采购之后没人补上「归口」这一环。

归口人可以不是服务商

常见的误解是:要有归口,就必须把全部设备交给一家。其实不然。归口的本质是「谁负责把这件事推到最后」,而不是「谁负责修所有东西」。

三种可行形态:

  • 内部归口:单位自己的运维主管当牵头人,各厂商是资源方。这要求内部有能读懂三方日志的人,中小单位通常不具备。
  • 外部归口:由一家覆盖多技术栈的服务商当牵头,原厂作为其上游资源。此时合同里要写清牵头方对「定位」负责,对「修复」按设备归属分流。
  • 分层归口:核心系统由服务商归口,专用设备由原厂归口,两者之间的交界处单独写一条判定规则。这种形态最贴近现实,但对交界处的描述要求最高。

三种里最容易出问题的是第三种——不是因为方案不好,而是因为交界处往往写得很虚,比如「双方应共同排查」。共同排查在真实场景里等于没人排查。

合同里该写清的四句话

  1. 牵头方对定位负责,时限写死。例如「故障受理后 X 小时内给出初步定位意见,含指向的设备与证据」。定位可以错,但不能没有。
  2. 证据口径统一。各方的日志时间要同步到同一基准,关键指标要能对齐到同一时间窗。这一条是技术条款,但必须写进商务文件,否则没人愿意改。
  3. 不配合的后果要写。被牵头方指向的一方,若拒绝提供日志或在约定时限内不响应,视为默认承担责任范围内的排查义务。这一条是打破僵局的关键。
  4. 交界处要有默认归属。无法定性的情况下,先按预设的归属处理,事后再根据证据调整。预设归属可以每半年轮换一次,双方都有动力把证据做扎实。

这四句话里,第二句最容易被当成技术细节跳过,实际上它决定了后面所有讨论能不能进行。三家日志时间差三十秒,会开三次也定不了性。

内部能力也要跟上

即使请了外部归口,单位内部仍要有一个人能看懂归口方给出的结论——不需要会修,但需要能判断这份结论是不是在糊弄。这个角色的培养成本比想象中低:把每次故障的定位过程做成一份两页纸的复盘,一年下来就是一本很实用的教材。

另外值得做的一件事是资产与依赖关系的台账。多厂商环境里,「这台服务器上跑的业务依赖哪个存储、走哪条链路」这件事如果没人画得出来,任何一方都可以用「我不知道它跟我有关」来规避。台账不必很细,覆盖核心系统就够用。

边界与前提

归口这件事有成本。让一家服务商承担牵头责任,报价里必然包含这部分协调成本,它不会以「协调费」的名义出现,但一定在总价里。分项采购省下来的钱,有一部分会在每次跨厂商故障里以人力时间的形式付回去。这笔账划不划算,取决于单位的故障频率和业务对中断的敏感度,没有统一答案。

深圳市奇摩计算机有限公司做的是服务这一头,在归口位置上最常见的一幕是:三家厂商都到了机房,各自连上自己的设备看了两小时,然后各自回去写报告。而如果有一方从一开始就把三边的时钟对齐、把三边的关键指标拉到同一张图上,定性的时间通常能压到原来的几分之一。

预约咨询