故障处理
下面四块内容分别回答四个问题:多久巡检一次、故障怎么分级、维护放在什么时候、出事之后你在哪里看到进度。这些不是宣传语,是我们每天在跑的东西;做不到的部分,也一并写在这张页面上。
后台每 5 分钟发一次主动探测,覆盖 12 个地区出口节点,每次随机抽 200 条视频验证首帧加载。连续 3 次失败才判定为事件,避免网络抖动误报;判定成立后 60 秒内自动生成工单。
事件按影响面分四级。全站不可用是 P1,15 分钟响应、2 小时内给出恢复时间;单区域或单功能异常是 P2,30 分钟响应、6 小时恢复;播放卡顿类算 P3,4 小时内响应,次日跟进闭环。
例行维护固定在每周三 03:00 开始,最长 120 分钟,提前 24 小时在 App 首页和状态页同时公告。除紧急热修外不改时间;一旦要改,会单独发一条公告,说明原因和新的时间点。
状态页每 30 秒刷新一次,事件成立后 15 分钟内必须出现第一条说明。公告只写三件事:影响范围、当前进度、下一次更新时间。不发“正在全力修复”这种没有信息量的句子。
99.62%
近 90 天可用率
5 分钟
巡检固定间隔
15 分钟
P1 响应中位数
218 次
今年已闭环事件
数据口径:可用率按每分钟一次的服务端探测结果统计,只有连续 2 次探测失败才计入不可用分钟;218 次包含 P1 至 P4 全部等级,历史明细在状态页可查,不剔除小事件。
用户反馈
下面三条来自真实付费用户,讲的是他们遇到故障那一次的具体经过。好的地方和不好的地方都在里面,我们没有替他们润色。
“三月底那次区域性的 P2,凌晨 1 点 40 我提交工单,1 点 47 收到自动回复,2 点 26 恢复播放,这个速度我没什么好说的。唯一想吐槽的是公告慢了半拍:我收到恢复推送的时候,状态页那条事件的进度还停在‘处理中’,隔了几分钟才改成‘已恢复’。”
张承宇
重度用户 · 已使用 11 个月
“我是那种一卡就先去翻状态页的人。有一次其实是我自己 4G 的问题,App 里的提示写得很直白——服务端一切正常,建议切换网络再试,省了我二十分钟找客服。缺点也有:状态页历史事件要往下滑两屏才看得到,翻三个月前的记录挺费劲的。”
李玫
日常用户 · 已使用 7 个月
“去年 12 月那次计划维护,提前一天多就在首页看到了横幅,写着凌晨 3 点到 4 点半。当晚 3 点 02 分打开确实进不去,页面就是一个倒计时加一行说明,心里有数,反而不焦虑。后来 4 点 12 分就恢复了,比公告的时间早了 18 分钟。”
陈默
下载党 · 已使用 5 个月
常见问题
上面讲了流程和数字,下面补的是这些数字背后容易含糊的地方。如果这五条里还有没说清的,状态页底部有工单入口,回复时长同 P3 标准。