人

合理的值班是设计，而不是某个人的宿命。轮换、交接与演练，让被深夜叫醒成为一种共同、可持续的日常。 一份被共同承担的职责 值班是团队的事，不是某一位英雄的。轮班把「谁上次没睡好就谁来」变成一张明确的排班表、一套流程，让被打断分担到每个人头上，而不是让一个人独自背完一整条告警队列。而具体排班好不好，就在于「换人不换上下文」这六个字——交接若只换名字不换现状，同一个故障会在每次轮换时被重新发现一遍。所以轮班的灵魂不是「谁那天晚上在」，而是「责任与上下文如何平稳移交」。 交接是工作的一半 一次值班最容易断的，恰是交接这个环节。当接手的人从零开始、一片黑地接过来，本来该是交接的事就变成了重新破案。堵住这个缝只需要两样：一份书面交接（当前坏在哪、试过哪些、下一棒该试什么），以及一段重叠时间——让接班的人跟着旧的人一起盯岗，旧的人在正式放下前把现场讲完。一张只用来排名字的表，会一次次把同一个事故变成新事故。做出这套的难点，不在排满班，而在排完后还留得住上下文。 在铃声响起前演练 排上一次必须在铃响之前，而不是等它响。低峰期把 runbook 平铺地走一遍，练的是「恢复路径」而不是症状集；每一条 pager 都应映射到一份写好的计划，让雪夜里的铃声到来时，它是 checklist 而不是谜。你提前练熟的那部分是肾上腺素上来后团队唯一不会搞砸的部分；平静时候一遍遍过的常规动作，正是把「到时候再想」变成「按部就班照做」的地方。 坏掉的样子 单人长期值班看似省事，实则先压垮的是人。一个人连续几个月拿着寻呼机，即使没有告警也睡不踏实，看到通知就心慌，最后要么倦怠请辞，要么在一次深夜故障中彻底失手。谷歌站点可靠性工程把这种无边界值班明确称为人员配置缺陷，而不是奉献。解法是设定单次值班上限，并保证下线周真正下线，上周的主值班不再兼任隐形备援。 升级链断裂是第二种常见死法。备援从不确认、联系方式过期，或者所谓升级到经理只是发进一个无人查看的邮箱，深夜三点主值班只能独自拆弹。升级链要像恢复流程一样演练：在工作时间实际寻呼一次备援，确认有人能在几分钟内应答，而不是只在通讯录里写个名字。 告警疲劳是第三种慢性失效。几百条噪声大、无法行动的告警教会团队寻呼机在说谎，于是唯一真实的那条也被顺手划掉。每条告警都应有负责人、有可执行的 runbook 链接、有经过上次误报调优后的阈值，无法行动的告警宁可降级为工单，也不要继续消耗信任。 交接缺失则让轮换只换名字不换上下文。周一换人时没有书面状态，周二就把周一的排查从零再做一遍。必须要求简短交接记录：当前症状、已尝试步骤、下一步动作，并在旧主值班真正下线前保留十五分钟重叠时间，把现场讲完再走。 快速验证 在让任何人牺牲周末之前，先在纸面上验证公平性。下面脚本用五人按周轮换演示：遇到节假日所在周自动跳过且不消耗轮次，最后打印人均负担统计，让管理者一眼看出是否有人被多排。 把代码保存为空目录下的 rota_probe.py。 用 Python 3.9 及以上版本运行 python3 rota_probe.py，仅用标准库，不访问网络，不读写文件。 确认输出逐周排班表、人均次数统计和末尾 PASS 行；若出现断言失败，说明轮换逻辑已经退化，需要先修排班再排人。 from collections import Counter from datetime import date, timedelta TEAM = ["ana", "ben", "cara", "dev", "elin"] START = date(2027, 8, 2) # a Monday WEEKS = 22 HOLIDAYS = {date(2027, 8, 9), date(2027, 8, 30)} # Monday public holidays rota = [] # list of (monday, person or None) cursor = 0 for week in range(WEEKS): monday = START + timedelta(weeks=week) if monday in HOLIDAYS: rota.append((monday, None)) # holiday week: nobody on call, pointer stays continue person = TEAM[cursor % len(TEAM)] rota.append((monday, person)) cursor += 1 assigned = [person for _, person in rota if person is not None] counts = Counter(assigned) for monday, person in rota: label = person if person else "holiday-skip" print(f"{monday.isoformat()} -> {label}") print("counts:", dict(sorted(counts.items()))) # Load-balance statistics: 20 assigned weeks / 5 people = 4 each. assert len(assigned) == WEEKS - len(HOLIDAYS) == 20, len(assigned) assert set(counts) == set(TEAM), counts assert all(count == 4 for count in counts.values()), dict(counts) assert max(counts.values()) - min(counts.values()) == 0, dict(counts) # Holiday weeks consume no turn and hold nobody. assert all(monday not in HOLIDAYS for monday, person in rota if person is not None) assert sum(1 for _, person in rota if person is None) == len(HOLIDAYS) # Nobody works two calendar turns in a row (pointer only advances on assigned weeks). for prev, current in zip(assigned, assigned[1:]): assert prev != current, (prev, current) print("PASS: 20 on-call weeks across 5 people, 4 each, holidays skipped, no back-to-back") 脚本共分配二十个值班周，两个节假日周空出且不推进指针，随后断言三件事：每人恰好四周、前后两周不是同一人、节假日当天无人值班。打印出的计数让不均一目了然，负责人每季度复盘时看的正是这个信号。该断言已在 macOS、Python 3.12 下运行通过。模型只覆盖按周轮换，不含昼夜拆分、跨时区接力与节假日补偿，仍需团队另行约定。 ...