下面这四块内容就是我们全部的运维承诺:什么时候巡检、故障怎么分级、维护压在哪个时间窗、出事之后你在哪里能看到进展。没有「极致体验」这类词,全是能拿去核对的数字和规则。
每天 06:00、14:00、22:00 各跑一次全链路巡检,覆盖 12 个播流域名和 4 个 API 网关,单次耗时约 3 分 40 秒。任一项失败,值班手机 90 秒内响铃。
P1 全部打不开 15 分钟接手,P2 单地区加载失败 30 分钟,P3 画质或音画不同步 4 小时,P4 文案类问题 72 小时。计时从告警或首个工单发出那一刻开始。
计划维护固定每周二 02:00–04:00,单次不超过 120 分钟,大版本会拆成两个窗口做。当周没有变更就取消,并在公告里写一句「本周无窗口」。
P1 与 P2 发生后 10 分钟内在状态页开帖,之后每 30 分钟更新一次进度,恢复时补一条两百字左右的原因说明,历史事件保留 180 天可查。
下面三条评价来自提交过故障工单的用户,都写明了具体时间和处理结果。好的和不好的都在,我们没有删掉抱怨的部分。
上个月 21 号晚上八点多,首页整个白屏。我提完工单 12 分钟就收到回复,说 CDN 回源出了问题,状态页同时在更新,22:07 恢复播放。速度谈不上神速,但至少我知道有人在处理。不太满意的是凌晨维护不会弹提醒,第一次遇见还以为手机坏了。
P3 那种画面糊的问题确实慢,我报过一次等了将近 3 小时才有人来看,最后说是某个码率档位没转好。但 P1 的处理可以:春节那晚同时在线人数冲得很高直接崩了,公告 8 分钟就挂出来,之后每半小时一条,一直更新到凌晨恢复。
对我来说最有用的是状态页,不用再跑去群里问「是不是只有我这样」。上周三凌晨两点零几分我打开想接着看,界面进了只读模式,顶部红条写着 04:00 恢复,缓存的那几集还能放。缺点是状态页在网络差的时候要刷新两次才打得开。
维护时你会看到什么、响应时间怎么算、数据会不会丢,这五条补上。