Reliability
我们不打算用「极致稳定」这类词糊弄过去。下面是巡检、分级、维护窗口、公告四个环节的具体执行标准,每一条都可以在 App 的状态页里对照核查。
自动化探针每 15 分钟从北京、上海、东京、首尔四个节点各拉一次首页与播放接口,任一点超时 3 秒即自动开事件单。每天 09:00、15:00、23:00 再由值班工程师人工复检一遍。
P0 全站不可播放:5 分钟响应、30 分钟恢复。P1 单个剧集源失效:15 分钟响应、2 小时恢复。P2 画质或字幕异常:4 小时响应、24 小时修复。分级标准长期挂在状态页顶部。
例行维护固定每周三 02:00–04:00,重大版本升级放在每月第一个周三同一时段。单次不超过 120 分钟;若预计超过 90 分钟,会提前 24 小时推送二次提醒。
状态页每 90 秒刷新一次。从发现故障到发出第一条公告,平均耗时 4 分 12 秒。每条公告必须写清三件事:影响范围、预计恢复时间、下一次更新节点。
以上数字取自 2024 年第四季度至 2025 年第三季度的运维月报,按月公开,不做四舍五入的粉饰。我们同时公布了三次未达标的记录:两次 P1 恢复超出 2 小时上限,一次公告发布延迟到 11 分钟。这些记录留在状态页的历史归档里,可以翻。
Feedback
下面三条评价来自长期用户,都经历过至少一次线上故障。我们保留了他们对处理速度的具体描述,也保留了不太满意的地方。
上个月 21 号晚高峰卡了,P1。19:42 App 顶上弹出公告,说明是首尔源的鉴权握手失败,预计 19:55 恢复。实际 20:07 才好,比预告晚了 12 分钟——这个误差我觉得可以接受,但公告里那句「预计」还是偏乐观了。整个过程我能看到两次更新,不至于干等。
第一次碰上 P0 是凌晨 3 点多,全站打不开。我 3:11 提工单,3:16 就收到人工回复,不是机器人,说了根因在数据库主从切换。3:48 恢复。事后第二天补了份复盘文档,写清了切换失败的原因和改法。响应确实快,但坦白说,出事本身说明他们的切换演练做得还不够。
用了两年,最满意的是维护窗口固定。每周三凌晨两点,闭着眼都知道那会儿别开新剧,直接看缓存——我提前下了 12 集,那天照样看完了。缺点是窗口偶尔会拖到 04:20,比写明的 120 分钟长一点,第二天会在状态页补一句说明。
FAQ
下面五个问题,是上线以来被问得最多的。答案都能和上面的机制对上。