这一块不讲功能亮点,只列举四条可以核对的机制:多久巡检一次、故障怎么分级、维护窗口在哪天、用户在哪里看到进度。每一条都有具体的时间点或数字,你可以拿去对照状态页的历史记录。
42 个探针每 5 分钟跑一轮完整链路:起播、拖动、切集、退出。任一探针连续 2 轮失败自动开单推给值班手机。人工巡检每天 3 次,分别在 09:00、15:00、22:00。
分三级。P1 大面积无法播放,15 分钟内响应,2 小时内修复或降级;P2 单一分类或部分线路异常,1 小时响应,8 小时内收敛;P3 文案与界面问题,24 小时响应,进下个版本。
常规维护固定每周四 03:00–05:00,提前 48 小时在状态页与应用内公告。窗口内服务可能中断 3 次左右,每次不超过 20 分钟。紧急维护可临时发起,但必须写明原因与预计时长。
状态页只记事实:开始时间、影响范围、当前处理人、下一次更新时间。每起 P1 自动生成时间线,修复后 24 小时内补一份复盘,写清触发原因与改动了什么。历史记录保留 12 个月。
99.5% 的月度可用意味着每月大约有 3.6 小时允许的不可用时间,其中大部分落在周四凌晨的维护窗口内。这个数字不算漂亮,它是一个刚改完架构的产品能稳定兑现的区间,我们不打算把它写成 99.99%。
下面三条来自真实用户的反馈,都发生在他们实际遇到故障之后。我们不挑好评,也把抱怨原样保留下来——包括处理得不够快的那一次。
「去年冬天晚上十点多,全站打不开。我在群里说了一句,大概二十来分钟后收到状态页链接,四十七分钟恢复。中途中每十五分钟更新一次进度,虽然那次确实是他们的锅,但时间线我没得挑毛病。」
「有个冷门分类的片源连续两天起播失败,我按 P2 报的,第二天中午才收到回复说切片有问题,下午两点多修好。慢是慢了点,他们没敷衍,还告诉我以后附上片名和集数会处理得更快。」
「周四凌晨维护撞上我加班,中途断了两次,每次十几分钟。公告里写了时间,我提前缓存了两集,所以没耽误。要说缺点,就是那两小时里状态页刷新有点延迟,估计是负载问题。」
下面五条问题是用户问得最多的,也是上面四个卡片没来得及讲清楚的边界情况。点开看具体答案。