夜雨聆风
一、为什么要分级（What & Why）
失效严重程度（Severity）描述的是：一旦发生失效，其后果有多严重（与发生概率无关）。
用途：
统一"多严重"的语言，指导测试力度、发布闸口、应急响应级别； 驱动工程资源分配（高 S 缺陷优先修复），并与可靠性指标、SLA/SLO 对齐； 为风险评估矩阵（Severity × Likelihood）和 FMEA/RPN 提供输入。
切记：Severity ≠ Priority。Priority（处理优先级）还会考虑发生概率、客户关系、可替代方案等要素。
二、分级维度（看什么）
核心两维：
成本影响（Cost Impact）：直/间接损失（营收、赔付、罚款、人工/机会成本、品牌舆情）。 系统能力影响（Capability Impact）：系统是否还能提供核心能力、是否退化、受影响范围与持续时间。
常见补充维度（建议纳入判定卡）：
安全与合规：人身/财产安全、隐私泄露、监管处罚风险； 数据层面：数据损坏/丢失/不可逆一致性破坏； 可用性与性能：停机、明显降级、SLO 违约； 影响范围：所有用户/区域/单租户/小范围； 持续时间：瞬时/分钟/小时/天； 可替代性：是否有应急绕行或降级方案。
三、通用 5 级严重度分级表
可直接用于需求、缺陷、事件分级；阈值请结合你的业务标定。
| 级别 | 名称 | 系统能力影响 | 成本/合规 | 数据与安全 | 典型阈值（示例，可调整） |
|---|---|---|---|---|---|
| S1 | |||||
| S2 | |||||
| S3 | |||||
| S4 | |||||
| S5 |
调参建议：把"受影响用户占比、关键交易成功率、延时/错误率阈值、持续时间、成本区间"量化为你们组织的基线（如 MRR、关键转化漏斗、SLO、法务红线），定期复盘校准。
四、与成本影响的量化对齐（怎么"数"）
给出一套易操作的成本画像方法：
直接损失：单位时间 GMV/收入 × 停机/降级时长。 间接损失：流失率上升 × LTV，补偿金/券/客服工时 × 单价。 合规成本：潜在罚款、事后审计/改造费用。 品牌/舆情：以"公关预估 × 概率"近似计入。
可定义成本档位（如 ≥Y-X 万/小时 → S2），与上表联动。
五、与系统能力的对齐
为避免"口水战"，先做能力清单分级：
L0（生命线能力）：认证/支付/解锁/报警/视频推流等； L1（核心能力）：告警通知、订单/工单闭环； L2（支持能力）：报表、历史检索、偏好设置； L3（装饰能力）：皮肤、引导、非关键推荐。
规则：影响 L0 → 至少 S2，广泛影响 L0 → S1；影响 L3 通常 ≤ S4。
六、风险矩阵与优先级（Severity×Likelihood）
Severity（后果）：用上面的 S1-S5。 Likelihood（发生概率）：用事件基线/仿真/历史频率标定（如 年/季度 发生≥N次）。 Risk Priority：可采用 RPN 或 5×5 风险矩阵将风险分为 High/Medium/Low，用于测试强度、发布闸口与缓解计划。
FMEA 简式：RPN = S × O × D（严重度×发生度×探测度）。高 RPN 必须有预防+检测+缓解三件套。
七、测试与发布策略联动（按严重度差异化投入）
S1/S2 缺陷
预防：关键路径形式化/模型检查、高覆盖率单测+契约测试、金丝雀+自动回滚、混沌/故障注入演练； 检测：实时 SLO 监控（错误率、延时、可用性）、端到端合成探针； 闸口：必须修复或提供等价缓解（Feature Flag、KillSwitch）；高风险改动需灰度/双写/影子流量； 恢复：RTO/RPO 明确，演练切主、只读/降级模式、数据回滚脚本。
S3
预防：覆盖主流场景与边界值、回归自动化； 闸口：版本可入，但需在下个迭代修复并评审。
S4/S5
批量处理，合入常规迭代；注意避免视觉/文案瑕疵堆积。
八、度量与看板
按严重度的缺陷密度：Defect Density_s = Count_s / KLOC 或 Story Points 加权缺陷指数（WDI）：WDI = Σ(w_s × Count_s)（示例权重：S1=100, S2=30, S3=10, S4=3, S5=1） 缺陷外泄率（DRE）：DRE = 缺陷在发布前捕获数 / 总缺陷数（按严重度分桶） 可靠性增长图：随时间跟踪 S1/S2 缺陷的累计关闭与回归率。
九、面向物联网/智能安防实例
以"智能锁/安防摄像头"为例：
S1：远程解锁失效导致大范围用户无法进入；报警触发失败；直播/录像与告警全断；云端密钥泄露。 S2：某地区固件升级后大量设备离线；录像延迟>30s 且丢片；告警推送大面积延迟。 S3：历史回放间歇性卡顿；个别型号低电量阈值计算错误导致误报。 S4：设备列表排序错误、图标错位；日志噪声。 S5：中英混排文案问题。
量化阈值示例
设备离线率 ≥ 20% 且 ≥ 30 分钟 → S1 告警延迟 P95 ≥ 15s 且影响 ≥ 10% 设备 → S2 回放卡顿率 ≥ 5% 用户且 P95 延时↑>50% → S3
十、落地流程
定义卡：把上面的分级表+阈值固化成 1 页速查卡； 标注与复核：提缺陷/事件时必须填 Severity，发布经理或 SRE 复核； 发布闸口：带 S1/S2 的版本一律拦截或必须有等价缓解； 复盘机制：S1/S2 事件 48h 内完成 RCA（根因、检测盲点、缓解、长期防御）； 季度校准：用真实事件/损失校准阈值与能力清单； 训练：让一线/研发/测试对同一案例分级打分，做一致性训练（Inter-Rater Reliability）。