很多影视 App 只会在崩溃之后发一条「技术团队正在紧急修复」,然后就没有下文了。西瓜视频把巡检、分级、维护窗口这三件事做成了有固定节拍、有明确时限、可以被用户核对的流程,下面三条是其中最核心的部分。
全站 42 个核心接口每 15 分钟自动拨测一次,播放、登录、支付、搜索四条链路单独计算成功率。连续两轮低于 99.5% 就自动生成 P1 工单并叫醒值班工程师,每天 02:00 与 14:00 各做一次人工复核。
P0 全站不可用,5 分钟响应、30 分钟内挂出公告;P1 播放或登录挂掉,10 分钟响应、2 小时修复;P2 单端或单地区异常,30 分钟响应、8 小时修复;P3 字幕弹幕问题次工作日处理,级别按成功率降幅判定。
每周四 03:00–04:30 例行维护,每月第三个周四 02:00–05:00 做大版本升级。窗口内新剧无法在线播放,但已缓存内容照常观看,收藏、观看记录与追剧提醒会在恢复后 10 分钟内补齐。
下面四个数字来自状态页的公开记录,任何人都可以在状态页翻到对应的历史条目做核对。它们不好看的地方我们照原样放上来了:99.94% 意味着 90 天里累计有约 1 小时 20 分钟是不完全可用的。
自动巡检间隔
P0 首次响应
近 90 天可用率
状态页历史留存
下面三条来自报过工单的用户,内容未经删改,包括他们不满意的地方。
「腊月二十八晚上八点多,《我们的日子》更新那会儿全站打不开,我正准备去群里骂人,状态页先跳出了 P0 公告,写的是 20:14 确认、预计 21:00 恢复。实际 20:52 就恢复正常了。速度我给满分,但那天没有发补偿券,这点不太够意思。」
「我报过一次 P2,iPhone 上一直转圈,同一部剧安卓却能播。提交后 26 分钟收到工单号,第二天早上回复说某个 CDN 节点回源异常。响应算快的,但回访要等到下一个工作日,着急的时候确实有点熬人。」
「每周四凌晨维护我碰上过三四回,因为剧都提前缓存好了,完全没影响。唯一一次恼火的是某个周四 04:30 没按时恢复,拖到 05:20,状态页的更新还滞后了大约十分钟,我是自己在评论区看到别人说恢复了才知道的。」
下面五条是用户提交工单时问得最多的,也涉及我们做得还不够好的地方。