Inspection & Response
很多人以为「修得快」靠的是工程师手速,其实靠的是提前定死的规则。下面三条是写进运维手册的硬规定,不是宣传口径——值班表按它排,工单按它升级,超时会被自动上报到技术负责人,没人能私下延后。
1,286 个探测点覆盖播放、登录、支付、弹幕四条链路,每 5 分钟跑一轮,单轮 40 秒;每天 04:00 全量巡检一次,约 22 分钟。任一探测点连续 2 轮失败,立即自动开工单。
P0 全站不可用:5 分钟响应,30 分钟出结论。P1 单端播放失败率超 8%:15 分钟响应,2 小时恢复。P2 单档清晰度异常:30 分钟响应,8 小时修复。P3 体验瑕疵次工作日处理。
例行维护固定每周二 03:00–04:30(UTC+8),最长 90 分钟;大版本每月第二个周三 02:00–05:00,一年不超过 12 次。窗口提前 24 小时在状态页公告。
下面四个数字来自内部监控系统,每月 1 日在状态页刷新一次。第三方监测工具的数值会因为探测节点位置不同而略有出入,这是正常现象,不必当成「数据造假」。
下面三个人都在真实故障里被影响过。我们保留了他们的抱怨部分,没有删。
去年 11 月 12 日晚上九点多,全站打不开。我在微博骂了两句,结果 4 分钟就收到 App 推送说 P0 在处理。11 分钟后能刷了,中间状态页一直挂着倒计时。唯一不爽的是公告比推送晚了大概 1 分钟,希望以后公告先发。
周三凌晨维护那会儿我在上夜班,打开 App 只有一行「预计 04:30 恢复」和一个转圈,页面其实挺简陋的。但 04:22 就恢复了,比写的早 8 分钟,这点我认。要是能顺便告诉我哪几个功能受影响,就更省心了。
P2 那种单档清晰度挂掉的最烦,1080P 没了但 App 什么都不说,得自己去状态页翻。修倒是没超 8 小时,可这 8 小时里我一直在怀疑是不是我家宽带的问题。要求不高,给个 push 就行。
这几条来自客服工单里出现频率最高的几类问题。答案直接写结论,不绕弯。