挂了之后,
多久能修好
芒果传媒不是"不会出问题"的产品,而是一个把处理流程摊开写清楚的产品。核心播放链路 60 秒探测一次,全量节点每日 3 次人工复核;整站不可播放定为 P1,8 分钟内有人接手,30 分钟内给第一次对外同步。每周三 03:00–04:30 是固定维护窗口,提前 48 小时公告。这一页讲的就是挂了之后我们会做什么。
- 每日 3 次人工巡检,09:00 / 15:00 / 23:00 由当班人签字确认
- P1 故障 8 分钟内响应,30 分钟内首次对外同步
- 维护窗口提前 48 小时公告,单次最长 3 小时
处理流程
三件事,写死在这里
巡检多久跑一次、故障怎么分级、维护窗口在什么时候——这三件事不随心情变,写进服务等级说明,也写在这张页面上。
巡检节奏
核心播放链路由 42 个探针每 60 秒发一次请求,连续 2 次失败自动开单并指派值班工程师;全量节点每日 3 次人工复核,时间固定在 09:00、15:00、23:00,由当班人签字上传记录;转码队列与数据库指标每 5 分钟采样一次,排队延迟超过 120 秒即告警。巡检结果当天写进状态页,不做选择性披露。
故障分级
全站或整端不可播放定为 P1:8 分钟响应、30 分钟内首次对外同步、之后每 20 分钟更新一次进展。单省节点或单一客户端异常为 P2:30 分钟响应、4 小时内恢复。单条内容画音不同步、字幕错位为 P3:4 小时内接单,次工作日修复完成。判定标准与当班判定人姓名公开在状态页,不临时改级。
维护窗口与公告
常规维护固定在每周三 03:00–04:30(GMT+8),大版本顺延到当月第二个周三并延长至 06:00,单次窗口最长 3 小时,超时必须在结束前 30 分钟公告原因。窗口内只降级不阻断:已上架内容照常播放,暂停的只有新片上线、评论和离线下载三条链路。公告提前 48 小时在应用内和状态页发出。
运行数据
一年下来的实际数字
以下数据取自 2024 年 1 月至 12 月的值班记录与状态页归档,按自然月统计,统计口径中未剔除计划内维护时间,所以可用率看起来比"宣传值"低一些。
全年共记录 P1 故障 3 次、P2 故障 27 次、P3 工单 1,184 条。P1 里最长的一次对外同步用了 34 分钟,超出承诺的 30 分钟,原因是状态页服务与播放链路共用同一套网关,网关本身也挂了。这次之后状态页已经拆到独立域名。
用户反馈
真遇到过故障的人怎么说
这三条评价都来自至少经历过一次 P1 或 P2 的用户,我们保留了他们对缺点的描述,没有删改。
"3 月 12 日晚上 21:40 全站卡死,我 21:44 刷状态页,21:48 就看到 P1 标记和第一条进展,22:26 恢复。老实说头 8 分钟我也在群里骂,但后面每 20 分钟一条更新,我不需要反复去问客服到底什么时候好,这点比之前用的那家强。"
"省公司专线那次判的 P2,我 10:20 报的,10:47 有人回我,下午两点前修好,比我预期慢了半小时。缺点也说一句:P3 是真慢,字幕错位我等到第二天工作日才处理完,急的话只能自己先关字幕。"
"最有用的其实是维护窗口固定。每周三凌晨我直接不排播,不用猜。有一次大版本延到 06:20 才结束,公告在 05:50 就发了延期说明和原因,没有闷声拖。对我来说这条流程比修得多快更重要。"
常见问题
流程没说到的地方
下面五个问题来自客服工单里出现频率最高的几类,答案都是当前执行版本,不修饰。