示意图:状态页把每条链路拆成一行,颜色只代表可用性。
运维公开页
这里没有「极致体验」「行业领先」,只有能核对的时间表。下面四张卡片分别对应巡检、定级、窗口和公告,任何一条没做到,你都能在状态页翻到当时那一条记录,连时间戳一起。
三个区域各有一条独立探活链路,每 15 分钟跑一次真实播放请求,不是 ping。连续 2 次失败自动降级并触发告警;播放成功率跌破 97% 会提前开一张 P2 工单,不等用户来报。
按影响面分四级:P0 全站不可用、P1 单区域或播放链路中断、P2 部分片源与搜索异常、P3 界面文案问题。响应时限分别是 15 分钟、30 分钟、4 小时和下个发版日。
常规发版固定在每周二 04:00–05:00,这个时段请求量不到日峰的 4%。非紧急变更一律排进窗口,不搞悄悄热更。窗口若预计超过 70 分钟,提前 24 小时在状态页和应用内横幅同步。
状态页精确到分钟:每个组件一行,灰色正常、黄色降级、红色中断,历史事件保留 180 天。故障发生后 30 分钟内在应用内推送第一条公告,修完再补一条带原因与影响时长的复盘。
真实反馈
下面三条不是精选好评,是三位用户在故障发生后的原话。有人夸处理速度,也有人当场指出了问题,我们没删。
「去年十一月那次全站 P0,我凌晨一点刷不出来才发现。应用内公告比我的手速快,0:47 弹出来说播放链路中断、正在回滚上一版。1:12 恢复,前后断了 25 分钟。不算快,但每 5 分钟状态页动一次,我知道有人在干活。」
「我是那种一卡就卸载的人。有一回 P1,只是华东节点的问题,客服没糊弄我,直接说『你所在节点在切流,预计 40 分钟』,40 分钟后确实好了。缺点也明显:这类公告只在应用内推,我没开通知就收不到,必须自己去状态页翻。」
「做运维的,习惯性翻别人家的状态页。91爆料 把历史事件留 180 天,能翻到前几次 P2 的复盘,写得比某些大厂实在。不爽的是每周二那个 04:00 窗口偶尔拖堂,最长一次拖到 05:40,虽然那个点我基本不用。」
常见问题
这五条是上面没交代完的部分:维护时到底看到什么、响应和修复的区别、降级与中断怎么判、哪些问题不算故障,以及跨境线路算谁的。
应用会切到只读模式:能打开、能看到已缓存的片单和下载好的内容,但点播放会显示一张固定卡片——「服务维护中,预计 xx:xx 恢复」,卡片下方带状态页入口。不会白屏,也不会一直转圈。窗口外的临时中断同理,只是卡片上的时间会跟着公告一起改。历史下载内容不受影响,这点每周二都有人问。
15 分钟是「有人接手并开始处理」,不是「修好」。近 90 天 P0 平均修复 23 分钟,最长一次 58 分钟——那次是回源配置写错,回滚之后又触发了一次。我们不敢承诺「十分钟必好」,只能承诺修复期间每 5 分钟在状态页更新一行进展,包括「还在查」这种不好看的话。
降级=还能用,但变慢或部分失败,比如某一路片源超时,系统会自动切备用源,你可能只感觉到起播慢了 1–2 秒;中断=这一路彻底不可用,必须等人修。状态页上黄色对应降级、红色对应中断,颜色和公告文字是同一套口径,不会出现「页面是灰的但你就是播不了」这种对不上的情况。
片源失效、版权下架、单条链接 404 属于内容运营问题,走工单池,48 小时内处理,不进故障分级,也不计入可用率。只有当同一问题影响面超过 0.5% 的活跃用户时,才会升级成 P2。这条规则写在内部处理规范里,也公开挂在状态页的说明区,你可以自己去比对。
不计入 99.2% 这个数字。可用率统计的是服务端链路,你的本地网络、运营商 DNS、跨境线路都不在里面,这是实话,不是甩锅。如果确认是大面积区域问题(同一运营商超过 200 人反馈),我们会临时开 P1 并在公告里点名运营商,但修复动作通常得等对方配合,我们能做的只是加一条备用线路。