每天两次全量巡检
每天 03:00 与 15:00,运维各跑一遍全量巡检:421 条片源线路逐条探活、播放鉴权接口抽样 200 次、下载节点磁盘余量核对一遍。结果当天写进状态页,异常线路当班切换,不等用户来报障。
示意图:状态看板把 P0–P3 四级故障、当前巡检节点和下次维护窗口并列展示,故障发生时不用翻群聊记录。
运维机制
很多播放工具的下载页写的是片库有多大、画质有多高。我们换个顺序:先说清楚巡检怎么跑、故障怎么分级、维护期间你会在屏幕上看到什么。这三件事决定了你打开 App 的那一分钟,是能正常播放,还是对着一个转圈的图标干等。
每天 03:00 与 15:00,运维各跑一遍全量巡检:421 条片源线路逐条探活、播放鉴权接口抽样 200 次、下载节点磁盘余量核对一遍。结果当天写进状态页,异常线路当班切换,不等用户来报障。
故障按影响面分四级。P0 全站不可播:5 分钟响应、30 分钟恢复;P1 整条线路或单部片源失效:15 分钟响应、2 小时内切换;P2 部分机型播放异常:2 小时响应、24 小时修复;P3 体验类问题进队列,48 小时内处理。
维护开始前 30 分钟,首页顶部出现一条状态条,写明原因、当前进度和预计恢复时间,并带倒计时。播放按钮变灰,点按弹出说明;已缓存的片单仍可浏览,未完成的下载任务暂停保留,不清空、不白屏。
窗口只有这一个,上限 2 小时,通常 40 分钟内结束。窗口里做的是数据库索引重建、片源地址批量校验、播放器灰度更新这些不能带病上线的活。临时紧急维护必须由值班负责人和产品负责人双方确认才可发起,并提前 30 分钟在状态页与 App 内同时公告。这是我们给自己定的硬规矩,不是"尽量提前"。
我们目前没有 7×24 的人工在线客服,夜间 P2 以下故障会顺延到次日 09:00 处理;P0/P1 的值班手机是通的。另外客户端体积约 76MB,不算小,老旧机型首次启动会慢 3–5 秒。
下面这些不是宣传口径,是过去 30 天值班日志里数出来的:可用率按每分钟一次心跳探测统计,响应时长从告警触发算到第一位工程师接手,恢复时长从接手算到全站可播。
P0 首次响应
P0 恢复目标
维护窗口上限
近 30 天可用率
真实反馈
下面三条来自用户群里的公开反馈,原文照登,包括不满意的地方。我们没删负面部分,因为它们恰好指出了公告和通知上还欠缺的环节。
上个月 22 号晚上十点多全站崩了,我在群里骂了两句。11 分钟后状态页挂出 P0 公告,28 分钟能正常播了。速度我还算满意,但那天公告里只写了"正在处理",原因第二天才补上,这点确实含糊。
陈昊
已使用 2 年 7 个月
每周三凌晨维护我基本没感觉,那个点我在睡觉。真正派上用场的是上回一台老安卓机播放黑屏,我提交机型后 19 小时收到回执说已修复,比承诺的 24 小时早。缺点是不主动通知,得自己点进状态页看。
林小雨
已使用 8 个月
我一天看三四个小时,算重度用户。去年有一次 P1,某条线路挂了三天才切干净,那次体验很差,也没什么说法。今年分级表出来之后确实规范了,最近两次 P1 都在两小时内切完,状态页还能查到处理记录。
老周
已使用 3 年 1 个月
下面五条是用户群里问得最多的,答案都按现在的实际做法写,没有"视情况而定"。
秋霞网不承诺"永不故障",没有哪个播放服务能做到。它承诺的是另一件事:坏了以后,5 分钟内有人接手,30 分钟内给你一个可用的降级线路,每周三凌晨的维护窗口提前 30 分钟告诉你,维护期间进度条不动、缓存不清。想验证这些,装一个,下次遇到故障时对照时间看一眼就知道了。