Inspections & Incidents
什么时候巡检、故障怎么分级、维护期间你看到的是什么。这三件事决定了「挂了」之后你要等多久,也决定了该不该继续等。
5 分钟一次全链路拨测,覆盖 12 个区域节点;每 2 小时抽 30 个片源真跑起播;每周三 03:00 全量巡检并重建索引。探针连续两次失败自动开单,不等人工转派。
P0 全站不可用:5 分钟响应,30 分钟出首版公告,目标 2 小时恢复。P1 起播失败率超 15%:15 分钟响应。P2 单功能异常:1 小时。P3 字幕封面类:24 小时,随周五发版修。
常规窗口每周三 03:00–04:30,每月第一个周三延到 06:00 做数据迁移。窗口内打开 App 会停在维护页:预计恢复时间、进度百分比、上次更新时间,每 2 分钟刷新。
数据每月 1 号更新一次,取自状态页的历史记录。统计口径是主站起播接口的成功率,不包含单个片源自身失效——那属于内容问题,不计入可用率,也不进这四项指标。
Real Incidents
下面三条来自过去半年里经历过 P0 或 P1 的用户。我们保留了他们对处理过程的抱怨,没有做删改——只留夸奖的评价,对你判断这件事没有用。
去年 11 月 20 号晚上全站挂了大概 40 分钟。我在群里骂了一句,五分钟后 App 顶部就弹了公告条,写明「起播失败,工程师已介入,预计 21:40 恢复」,之后每 10 分钟更新一次。21:38 确实恢复了,第二天还发了复盘。速度没得说,就是那 40 分钟我真的没事干。
我是每周三凌晨刷剧的那批人,第一次撞上维护页还挺火。后来发现它写得挺清楚:预计 04:30 恢复、当前进度 62%、上次更新时间 03:47。两次都在 04:20 左右提前好了。缺点是那 90 分钟完全用不了,连已缓存的列表都打不开,这一点到现在还没改。
我提过一个 P3,某部剧第三集字幕对不上。App 里提交反馈,第二天中午收到回复说已排进周五的发版清单,周五晚上确实好了。24 小时响应是真的,但别指望当天修——他们不撒谎,也不逞能,说周五就是周五。
上面写的是制度,下面这几条是用户在故障现场最常追问的,答案都带具体数字。
把巡检节奏、故障分级和维护窗口写在这一页上,不是为了显得透明,是因为这些本来就该由服务方说清楚。装不装是另一回事,但至少装之前,你知道自己会面对什么。
免费客户端,无需注册即可浏览 · iOS / Android / 桌面端