MTTR 到底是什么？一文讲清 MTTR 的 4 种含义与 MTTA
MTTR 有四种含义：平均恢复时间、平均响应时间、平均修复时间、平均解决时间，加上 MTTA（平均确认时间）共五个核心事件指标。本文逐个给出定义、计算公式、适用场景和选用速查表。
MTTR 是事件管理里最容易被误用的缩写——它有 4 种不同含义：Mean Time to Recovery（恢复）、Respond（响应）、Repair（修复）、Resolve（解决）。四种都是"平均时间"，但计时起点完全不同。在团队里使用 MTTR 时，务必写全称或先对齐定义，否则报表里的同一个数字可能在说不同的事。下面逐个拆开讲。
一、平均恢复时间（Mean Time to Recovery）
定义：从系统发生故障到完全恢复正常所经历的平均时长。它是衡量"宕机处置速度"的核心指标。
计算：
MTTR = 所有事件恢复时长之和 ÷ 事件次数
例：一周内发生 2 次宕机，合计中断 20 分钟，则本周 MTTR = 10 分钟。
它的问题：MTTR（恢复）常被当作北极星指标，但它太宏观了。它把检测、告警、确认、诊断、修复全揉在一起，看不出时间到底耗在哪一环。恢复时间长，可能是告警规则配置不当导致通知慢，也可能是修复能力不行——单看这一个数无从分辨。所以要引入下面几个分段指标。
二、平均响应时间（Mean Time to Respond）
定义：从收到第一条告警到事件恢复的平均时长。它与"平均恢复时间"的差值，正好就是"故障发生到告警送达"这段检测时间。
计算：所有事件（告警触发 → 恢复）时长之和 ÷ 事件次数。
什么时候看：想评估"告警链路 + 修复能力"的组合效率时用它。改进路径有两条：
- 提升修复速度：完善应急预案（Playbook）、上更好的日志与错误分析工具；
- 压缩告警到开工的间隔：这段时间就是 MTTA，靠更准的告警路由（直接通知最能解决该类问题的人）和主备值班兜底来改善。
📖 什么是应急预案（Playbook）：一套规定事件期间与事后该做什么的流程文档，通常包含角色分工、处置流程清单、复盘指引。
三、平均修复时间（Mean Time to Repair）
定义：从修复工作实际开始到系统恢复正常的平均时长。与"响应时间"不同，它排除了告警、确认、调度等前置环节。
计算：所有事件（开始修复 → 修复完成）时长之和 ÷ 事件次数。
什么时候看：想单独考核团队"动手能力"时用。注意一个口径问题：诊断时间算不算在内？实践中诊断和修复往往交织（原因不明时要反复试修），很多团队干脆把诊断并入修复时长，只要团队内部口径一致即可。
四、平均解决时间（Mean Time to Resolve）
定义：从故障发生到根因被定位并彻底修复的平均时长。"解决"比"恢复"走得更远——恢复可能只是重启服务临时止血，解决意味着同类事件以后不会再发生。
计算：所有事件（故障开始 → 根因修复上线）时长之和 ÷ 事件次数。
什么时候看：把它和"平均恢复时间"对比着看。两者差值反映的是复盘与根治环节的效率——差值越大，说明团队止血很快但治根很慢，复盘后的改进项没有真正落地。
五、平均确认时间（MTTA）
定义：从告警触发到值班人确认收到的平均时长。
什么时候看：MTTA 衡量的是告警链路和值班纪律本身。它还有一个重要用途——发现告警疲劳：如果团队被过多告警淹没，确认速度就会变慢，MTTA 持续走高就是"狼来了"的早期信号。治理手段包括告警分级、降噪、升级策略优化（见本系列《升级策略设计指南》）。
选用速查表
| 指标 | 计时区间 | 回答的问题 |
|---|---|---|
| MTTR（恢复） | 故障发生 → 完全恢复 | 整体事件管理流程表现如何（宏观总览） |
| MTTA | 告警触发 → 确认收到 | 告警链路和值班响应是否灵敏 |
| MTTR（响应） | 收到告警 → 恢复 | 告警+修复的综合效率 |
| MTTR（修复） | 开始修复 → 修复完成 | 纯修复环节的手速 |
| MTTR（解决） | 故障发生 → 根因消除 | 含复盘根治的完整闭环效率 |
这些指标从哪来
要算准这五个数，前提是每条告警和事件都有完整时间线：触发、通知、确认、恢复、关闭各节点的精确时间戳。观测云的监控器与事件管理天然记录这些节点，配合日志查看器与 APM 做根因定位，MTTA、MTTR 各口径都能直接从平台数据算出来，无需人工补表。 1 2
常见问题（FAQ）
Q：五个指标都要考核吗？
不必。小团队先盯 MTTR（恢复）+ MTTA 两个，一个管结果一个管过程入口；团队成熟后再细分响应/修复/解决。
Q：MTTR 多少算合格？
没有通用标准，取决于业务容忍度和 SLA 承诺。正确姿势是建立自己的基线，然后看趋势——本月比上月好，就是好。
Q：MTTA 走高一定是值班人偷懒吗？
多数情况不是，而是告警太多导致脱敏（告警疲劳）。先看告警量和误报率，再谈人的问题。
Q："恢复"和"解决"分不清，能不能合并？
小团队可以合并，但要意识到合并后你就看不见"止血快、治根慢"这个模式了。等复盘文化建立起来后再拆开。
