运维透明化
三件跟“挂了以后”直接相关的事
不讲界面好不好看,只讲巡检、分级和窗口。下面三条都是固定规则,不是“视情况而定”。
三层巡检节奏
每天 06:00 跑一次全量巡检,覆盖 47 条线路、片源索引与播放鉴权;12 个地区探针每 10 分钟各探一次首页和播放接口;边缘节点每 5 秒发一次心跳。同一异常连续出现 3 次即自动开工单并唤醒值班,不需要等你来报障。
故障分四级响应
P0 全线不可播:15 分钟响应、2 小时恢复;P1 单线路或单地区异常:30 分钟响应、4 小时恢复;P2 搜索、收藏、播放记录等单项功能异常:2 小时响应、24 小时内修复;P3 体验类问题:48 小时内答复。每次升级或降级都会在状态页留痕。
固定维护窗口
例行维护固定在每周三 03:00–04:00,大版本窗口为每月最后一个周四 02:00–05:00,两次都提前 48 小时在 App 内和状态页公告。窗口内顶部显示横幅与倒计时,已下载内容照常播放,新下载任务排队并在恢复后 3 分钟内自动续传。
99.3%
近 12 个月可用率
15 分钟
P0 首次响应
2 小时
P0 恢复目标
4 级
公开的故障分级
可用率按自然月统计,仅计入播放与登录两个主链路,不含第三方片源站自身宕机导致的白屏;未达标的月份会在状态页复盘,说明原因与改进项。
真实反馈
真撞上过故障的人,怎么评价处理速度
下面三条都来自确实提过工单的用户,好坏都写了。
周五晚 8 点 42 分,整个片区都播不了,我先在群里骂了一句才去提工单。9 点 03 分收到更新,说是上游 CDN 回源异常,9 点 51 分恢复,全程状态页每隔几分钟就刷一次进度。谈不上神速,但每一步我都看得见,这比一句“正在加急修复”有用得多。
陈默
使用 14 个月 · 广州
周三凌晨的维护窗口撞上过两次,App 顶部直接写着“预计 40 分钟后恢复”并带倒计时,已下载的两部片子照样能看,没被打断。想吐槽的是 P3 类问题真的慢——我提过一次字幕错位,等了将近两天才有人回,虽然最后改好了。
林一凡
使用 7 个月 · 成都
去年除夕前一天出过一次 P0,晚上 11 点多全线挂了,我以为得等到初七。结果 1 小时 20 分钟就恢复了,状态页上还写着那晚是两个人轮值。缺点也摆着:没有电话客服,只能走工单,急性子会难受,遇到急事没法直接骂到人。
苏晚
使用 2 年 · 杭州
常见问题
关于“挂了”的那些细节
这五条是用户问得最多的,也是页面上没讲完的部分。
维护期间,我已经下载好的片子还能不能看?
能。维护窗口只影响在线播放和片源检索两个链路,本地已下载的缓存文件走的是离线解码,不依赖服务器。唯一的例外是加密格式的片子,需要每 30 天联网续期一次授权,如果刚好在维护窗口内到期,会顺延到服务恢复后的 6 小时内再校验。
P0 承诺 2 小时恢复,真的超时了会怎么处理?
超过 2 小时未恢复,事件自动升到“重大级”,值班负责人每一小时在状态页写一次书面进展,并同时启用备用域名和备用回源。近 12 个月共发生 6 次 P0,其中 5 次在 2 小时内恢复,最长一次用了 3 小时 40 分钟,事后单独出了一份复盘说明。
我只想知道是不是自己网络的问题,怎么判断?
打开 App 的“设置—网络诊断”,它会分别测试本地网关、运营商出口和蜗牛影视的边缘节点三段,8 秒出结果并标出卡在哪一段。如果只有你这一路不通、状态页显示全部正常,那就是你这边的问题;如果状态页同时在报 P1,就不用折腾路由器了。
状态页多久刷新一次,是谁在写?
正常情况下每 60 秒由监控系统自动同步一次探针结果,事件期间由当班工程师手动更新,平均间隔 8 到 15 分钟。每一条更新都会带时间和值班人代号,事后不会删改,只会追加结论。所以你可以看到一个故障从发生到结束的完整时间线。
为什么不做电话客服和实时在线客服?
这是蜗牛影视明确的短板:目前只有工单和邮箱两个入口,P0、P1 由系统自动路由到值班,P2、P3 按先来后到排队。没有电话是因为团队规模撑不起 7×24 接线,与其开一个没人接的号码,不如把响应时间写进工单里。急事建议直接在工单标题里标 P0 关键词。