出故障时你真正关心的四件事
同类产品大多在官网写一句「7×24 小时运维」就结束了,但用户真正想知道的是三个具体问题:多久检查一次、出事之后几分钟有人动、维护期间自己会看到什么。这一节把这三件事拆成四条可核对的规则。
全站 12 个核心接口(登录、首页、搜索、播放地址、字幕等)每 15 分钟轮询一次,失败自动重试 2 次,仍失败则 3 分钟内写入状态页并推送值班手机,原始记录保留 90 天。
P0 全站不可播放,10 分钟响应、2 小时内恢复;P1 单个分类大面积失败,30 分钟响应、当日修复;P2 个别影片或清晰度异常,4 小时响应;P3 界面小问题,随版本修复。
例行维护固定在每周三 02:00–04:00,单次不超过 120 分钟。非窗口期上线只走灰度:先放 5% 用户,观察 30 分钟无异常再全量,出问题 3 分钟内可一键回滚。
状态页每 60 秒刷新,列出 12 个接口的实时可用率与近 30 天故障记录。P0、P1 发生时 App 首页挂横幅,写明现象、影响范围、处理人和预计恢复时间,恢复后 24 小时内补发复盘。
以上数据取自 2024 年 1 月至 2025 年 3 月的运行记录,统计口径为「播放地址接口可用率」,不含计划内维护时长。
真遇到过故障的人怎么说
下面三条评价来自真实反馈,我们只做了删减,没有改结论。包括吐槽的部分。
10 月 12 号晚上八点多,整个电影分类点进去全白屏,App 没崩但什么也放不出来。我在设置里点了上报,12 分钟后首页就挂了横幅,写明是 CDN 回源失败、影响全部电影和剧集,还写了当前处理人。9 点 20 分恢复,不用重装也不用清缓存。要说缺点:横幅只在首页,我停在播放页,得手动退回去才看得见。
印象最深的是有一次周三维护拖堂了,原定 04:00 结束,结果到 04:40 才好。App 当时给的是「维护延长,预计 04:50 恢复」的提示页,不是一直转圈,所以我一眼就知道是维护不是我的网。不过那 40 分钟确实没有补偿,状态页事后只补了一段技术说明,没提时长。
我报的是 P2:某部老片只有 480P,切 1080P 就报错。按分级是 4 小时内响应,我下午两点报的,五点四十收到人工回复,确认是片源转码没跑完,第二天中午修好。速度能接受,但 4 小时对「就想看这一部」的人来说还是偏慢,希望 P2 能压到 2 小时以内。
还没讲清楚的部分
下面五个问题是这一页没有交代完的,点击展开。