运行透明度
不写「极致体验」,也不写「海量资源」。下面四条是运维流程本身:什么时候检查、坏了怎么分级、什么时候维护、维护时你能看到什么。每一条都有具体的时间点和数字,可以直接拿去对照。
每天 09:00、15:00、22:00 三次自动巡检,覆盖 12 条线路与 4 个片源库。任一线路连续两次探测失败,立刻生成工单并升级为 P1,值班工程师手机端 5 分钟内收到提醒。
分 P0–P3 四级。P0 全站不可播放,15 分钟响应、2 小时给方案;P1 单线路不可用,30 分钟响应、4 小时修复;P2 清晰度或字幕异常,4 小时响应、24 小时修复;P3 界面提示问题,1 个工作日内响应。
固定在每周三 02:00–04:00(北京时间),每月第一个周二加做一次全链路压测。窗口内只做扩容、片源同步和数据库迁移,不发新功能。近半年 90% 的窗口在 40 分钟内提前结束。
状态页每 60 秒刷新一次,故障标为「排查中/已定位/修复中/已恢复」四个节点。App 顶部横幅与状态页同源,恢复后 10 分钟内推送复盘,写清影响时长、原因和后续改进项。
第一,不承诺 100% 可用率,近 90 天实际数据是 99.5%,剩下那 0.5% 里大部分来自两条海外回源线路。第二,不做无声重启,任何一次服务重启都会在状态页留一条记录,哪怕只影响 30 秒。第三,不在维护窗口里顺手改推荐算法或会员权益,功能和运维的变更严格分开走,避免你第二天打开发现「怎么变样了」却查不到原因。如果你在意的是「坏了以后有没有人管、多久管」,这些规则比界面好不好看更重要。
口径说明:可用率按状态页记录的分钟级「不可播放」时长计算,计划内维护窗口单独统计,既不计入可用率,也没有从分母里剔除——也就是说,这个 99.5% 是偏保守的一个数。P0 响应时限指从告警触发到有工程师在状态页发出第一条公开说明的时间,不含修复耗时;修复另有 2 小时的方案时限。
真实反馈
下面三条评价都来自实际经历过 P0 或 P1 故障的用户,我们保留了他们提到的具体时间点和不满意的部分。
4 月 11 日晚上九点多全站打不开,我在状态页看到 21:07 标成 P0、21:19 变成「已定位」、22:04 恢复。整个过程我没去客服群问一句,App 顶部横幅一直挂着预计时间。虽然比承诺的 2 小时早,但 57 分钟没法看剧也确实够烦的。
以前那个 App 维护从来不通知,打开就是白屏。这边每周三凌晨维护,前一天晚上会推一条消息。有一次窗口拖到 04:50 才结束,超时了,状态页补了一条说明,订阅自动顺延一天,不用我去找客服。就冲这一点我留下来了。
P2 级别的字幕错位我报过一次,上午 10 点提交工单,下午 3 点多收到回复,说排在 24 小时内修复,实际第二天早上才好。按分级来说它确实没超时,但等一整天还是慢。好在工单号一直能查进度,不像以前石沉大海。
常见问题
这几个问题来自页面上面没讲完的部分:窗口能不能改、超时怎么算、状态页多久刷新、订阅会不会补偿。
周三 02:00–04:00 是近 12 个月统计里并发最低的两小时,只有峰值时段的 6%,影响人数最少。窗口不能按个人改,但可以提前一周在状态页的「计划维护」栏目里看到具体日期和影响范围,方便你错开时间。如果你正在看剧,窗口开始前 30 分钟 App 会弹一次提醒。