Reliability
只讲四件跟「挂了」有关的事
巡检节奏、故障分级、维护窗口、状态公告——这四个环节决定了你遇到故障时大概要等多久。其余功能的说明放在 App 内的「关于」页面,不在这里占位置。
巡检节奏
播放链路每 60 秒探活一次,片源、鉴权、CDN 三类节点分开监测,连续 3 次失败自动升级为二级故障。每天 10:00 与 20:00 各做一轮人工复核,专抓探针漏掉的机型解码报错。
故障分级
故障分四级:一级全站不可播、二级主要片源失效、三级单机型异常、四级单片加载失败。一级走电话加短信双通道,四级只进工单队列,24 小时内合并处理,不叫醒任何人。
维护窗口
固定窗口是每周三 02:00–04:00,这两个小时的播放请求只占一周总量的 1.2%。窗口内只跑数据库迁移和 CDN 切换,推荐算法实验、界面灰度这类随时能做的改动一律不进窗口。
状态公告
每条公告写明影响范围、开始时间、当前处理人和下次更新时间。故障期间每 30 分钟必须更新一次,超时未更新会在页面顶部标红。恢复后 48 小时内补一份不超过 500 字的原因说明。
以上四个数字取自 2024 年 1 月至 2024 年 12 月的运维记录,共 52 个维护窗口、37 次故障工单。可用率按「播放接口返回 200 且首帧加载成功」统计,不按服务器存活统计——服务器活着但放不出来,我们不算它是好的。
Feedback
真遇到过故障的人怎么说
下面三条评价来自在过去一年里亲历过故障的用户,他们被要求只描述「从出事到能看」这段时间里实际发生了什么,包括不满意的部分。
上个月某个周四晚上 9 点多首页直接白屏。我在状态页看到已经标了一级故障,9:12 发的公告,9:48 恢复的。中间更新了两次,虽然没完全卡在 30 分钟一次,但至少知道有人在处理,不是干等。这点比之前用的同类产品强。
一级确实快,但我碰到的是一次三级故障:某款老安卓机型硬解报错,整片黑屏。工单提交后第二天中午才回。因为那台机器不在巡检覆盖范围里,状态页一直显示正常。这点算它的短板,希望以后机型覆盖能补上。
最舒服的是窗口固定。每周三凌晨那两个小时我基本不看片,所以一次都没撞上。有回临时加更维护,提前 24 小时在状态页看到了,还收到一条站内通知。这种提前打招呼的做法,比突然转圈强太多。
FAQ
页面没讲完的那几件事
五个具体问题,答案里都有数字。