处理机制
不是口号,是三个可以被你拿着手机掐表验证的动作。下面的每一条,都能在状态页上找到对应的记录。
8 个探针部署在 4 个城市,每 5 分钟同时请求一次播放页和鉴权接口,一天跑 288 轮。规则是「任意 2 个探针同时连续失败 2 轮」才自动升级为事故,避免单点网络抖动误报。过去 12 个月共触发 41 次自动告警,其中 34 次是真事故,误报率 17%。
P1 全站不可用,15 分钟响应、目标 2 小时恢复;P2 单端或单线路故障,30 分钟响应、4 小时恢复;P3 部分片源或字幕异常,4 小时响应、24 小时修复;P4 体验类问题,2 个工作日内答复。P1 触发电话加短信双通道告警,值班表提前一个月公示。
例行窗口固定在每周三 03:00–05:00,单次不超过 120 分钟,一年通常用掉其中 12 次。维护期间你打开 App 看到的不是白屏,而是一张带倒计时的维护页,写明原因、开始时间、预计结束时间和进度百分比,每 30 分钟更新一次。
以下四个数字取自 2024 年 1 月至 12 月的内部值班记录,状态页有逐条留档,包含我们做得不好的那几次。
真实评价
我们只挑了三位在过去一年里至少经历过一次 P1 或 P2 事故的用户,请他们照实写。评价里保留了不满意的地方。
「上个月 28 号晚上十点,整个 App 打不开。我在状态页看到 P1 在 21:58 挂上去,22:09 更新了『已定位到回源异常』,23:45 恢复,前后 1 小时 47 分。速度我给好评,但前十来分钟我一直在微博上找人问,希望你们告警触发的同时就能自动发出第一条公告,别等人手动写。」
周柏宇
使用 2 年 3 个月 · 上海
「我专门测过一次。平板端登录一直转圈,按你们页面上写的 P2 提交工单,提交时间 14:22,收到第一条人工回复是 14:38,16 分钟,比承诺的 30 分钟快。修的本身用了一个多小时。扣一颗星是因为工单填到一半会掉登录,得重新填一遍,这个流程该改。」
林知遥
使用 8 个月 · 成都
「用了三年,最难受的其实是每周三凌晨的例行维护,因为我刚好那个点下班。但维护页有倒计时,明确写到 05:00 结束,我能算好时间去洗个澡回来看。之前用过另一家,一维护就是白屏加一句『系统升级中』,连等多久都不知道。这一个细节让我留下来了。」
陈默
使用 3 年 1 个月 · 广州
常见问题
这五条问题来自过去一年工单里重复率最高的提问,答案保留了我们做不到的部分。
有。值班是 7×24 轮转,两人一组,一个负责流媒体链路,一个负责账号与支付。值班表提前一个月在内部公示,节假日不例外。P1 告警会同时打值班手机和发短信,平均 3 分钟内有人接手。要说明的是,凌晨的值班人力是白天的三分之一,所以 P3 类问题在夜间通常不会立刻处理,会顺延到早上 9 点。
会,但规则要说清楚。单次计划维护超过 120 分钟的部分,按分钟折算补发到账;因故障导致的全站不可用,累计满 6 小时补 3 天,满 8 小时补 7 天。补发是系统自动执行的,通常在恢复后 24 小时内到账,不需要你提工单。这条规则写在服务条款 4.2 节,可以逐字对照。不补的情况也有:你自己网络或设备的问题、以及我们提前 7 天公告过的例行窗口内未超时的部分。
分三档。例行维护提前 7 天,在 App 内弹窗、站内信和状态页三个地方同步公告;版本升级类维护提前 48 小时;安全类的紧急维护,因为不能给攻击方留准备时间,只提前 2 小时,但公告里会写明「安全加固」并给出影响范围。第三种一年大概出现 3 到 5 次,确实会打扰到你,我们不打算把它说成是好事。
能。状态页部署在独立域名和独立 CDN 上,数据库与主站不共用,也不走同一套鉴权。近 12 个月的 6 次 P1 事故中,状态页 6 次都能正常访问,这个记录公开可查。建议你现在就把状态页地址存进浏览器书签,真出事的时候比在群里问快得多。另外 App 内「我的 - 服务状态」入口在断网恢复后会自动重试,但确实依赖主站,所以我们更推荐用独立状态页。
每超出 30 分钟,状态页必须更新一次进度和新的预计时间,不能一声不吭。超过 4 小时自动升级为 P0,技术负责人全员召回,并同步把事故记录归档到公开的事故日志里。过去 12 个月里有 2 次 P1 超过 2 小时,分别是 3 小时 12 分和 5 小时 40 分,两次的完整时间线都留在状态页历史记录里,包括我们哪一步判断错了。
下载后第一件事,建议你把状态页加入收藏。它跟主站不同命,主站倒下的时候它大概率还站着,上面有每一次巡检、每一条故障的时间戳和最终结论。我们不敢保证永远不出问题,只保证出问题的时候,你能在 15 分钟内看到有人接了。
立即下载支持 Android 8.0 及以上 / iOS 14 及以上 / Windows 10 及以上 · 安装包 68 MB