运维规则
下面四条都写进了值班手册,每一条都能在状态页上找到对应的记录,也都有做不到的时候——我们把做不到的那部分一并写出来了,你看完自己判断能不能接受。
监控节点每 30 分钟探测首页、搜索和播放接口,连续两次失败即自动开单并推到值班手机。过去 90 天共触发 217 次告警,其中 189 次在你察觉前就恢复了。缺点是多节点探测在晚高峰有 3–5 分钟延迟。
P1 全站打不开,15 分钟内响应;P2 播放失败率超 20%,30 分钟内响应;P3 单线路异常,2 小时内响应;P4 单条内容缺失,24 小时内处理。注意:响应指的是有人接手,不等于立刻修好。
常规维护固定在每周三凌晨 03:00–04:00,单次不超过 60 分钟,提前 24 小时在状态页和 App 内弹提醒。紧急热修复不占这个窗口,但会即时公告,并把当天巡检间隔从 30 分钟压缩到 5 分钟一轮。
每次故障留一条记录:开始时间、影响范围、当前进度、恢复时间,全部保留 90 天,按日期倒序可查。对不上号的可以在公告下留言,工作时间内会有人回。不承诺秒回,也不做漂亮时间轴,只有时间戳。
下面四个数字来自内部监控与状态页记录,统计口径为近 90 天,且不含计划内维护时段。如果你自己算出来的结果和这里不一样,以你的截图为准,欢迎到公告下留言对线——我们更怕数字好看但经不起核。
99.7%
近 90 天可用率
30 分钟
自动巡检间隔
15 分钟
P1 首次响应
42 分钟
P1 平均恢复时长
真实反馈
下面三条评价都来自确实在故障时段内使用过的用户,我们只删掉了脏话,没删掉抱怨。
晚上十点多整站打不开,本来以为要等到第二天。结果状态页第 8 分钟就挂出 P1,写着「源站证书过期,正在更换」,第 20 分钟恢复。唯一想吐槽的是那 20 分钟里 App 只会转圈,没跳本地提示,我一共重启了四次。
陈默
已使用 11 个月 · 遇到过 2 次 P1
周三凌晨维护确实固定在 03:00,但有一次拖到了 04:40,超过承诺的 60 分钟将近一半。第二天公告里写了原因——数据库索引重建超时——也说明了下次会拆成两次跑。不算完美,至少没装作没事发生。
小林
已使用 7 个月 · 只撞到 1 次拖堂
我报的是单条线路卡住,属于 P3。承诺 2 小时内响应,实际回我「已切到备用线」是 2 小时 10 分钟,超了 10 分钟,公告里也照实写了。以前用别家的时候,这种小故障根本不会有人理你。
阿武
已使用 1 年半 · 报过 5 次 P3
常见问题
下面五条是被问得最多的,也是上面四个卡片没交代完的部分。