每天三次定时巡检
08:00、14:00、22:00 各跑一次全链路巡检,覆盖播放、登录、支付、投屏 4 条主链路共 68 个检查点。机器人单轮 6 分钟跑完,任一检查点失败自动开单并推给当班工程师,凌晨时段由 2 人轮值接手。
不讲画质、不讲片库。这一页只说明西瓜视频怎么发现故障、按什么等级处理、以及在固定维护窗口里你会经历什么。下面三条是完整机制里最常被问到的部分。
08:00、14:00、22:00 各跑一次全链路巡检,覆盖播放、登录、支付、投屏 4 条主链路共 68 个检查点。机器人单轮 6 分钟跑完,任一检查点失败自动开单并推给当班工程师,凌晨时段由 2 人轮值接手。
P1 全站不可播放,15 分钟响应、2 小时恢复;P2 单省或单端异常,30 分钟响应、4 小时恢复;P3 局部功能异常,8 小时内给出处理结果;P4 体验类问题排入下个版本,两周一个迭代,不单独承诺时间。
常规维护固定在每周三 02:00–04:00,提前 48 小时在应用内推送公告,非例行变更不得插队。单次维护超过 4 小时需走二次审批。维护期间首页显示灰色进度条与预计恢复时间,每 15 分钟刷新一次。
数据来自中心化监控,播放核心链路按分钟采样,任何一次 P1 都会计入不可用分钟数。统计口径在页脚和状态页都写明了,可以对照。
说明:99.93% 对应 30 天内累计约 30 分钟不可用;每周三的计划内维护时长单独统计,不计入这个分母。也就是说,这个数字不是靠把维护时间藏起来做出来的。
下面三条都来自真实报障用户,写了他们满意的部分,也写了对处理流程不满意的地方。
去年跨年夜 21:40 全站打不开,我 21:52 就收到推送,说已定位到 CDN 回源配置问题,22:31 恢复,前后 51 分钟,第二天补了 3 天会员。不满意的是当晚公告只更新了两次,中间那半小时完全没消息,只能刷社交平台看别人怎么说。
投屏到电视经常黑屏,我按 P3 报障,24 小时内工单就回了,说是部分机型解码兼容问题,先给了一个切到软解的临时开关,正式修复排在两周后的版本里。响应速度我认,但从报障到真正修好用了一个多月,中间只能凑合看手机小屏。
我常凌晨看片,撞上过三次周三维护。前两次都在 04:00 准时结束,第三次拖到 04:41,公告里的预计恢复时间没同步改,我是自己反复刷新才知道恢复了。这件事让我觉得公告的实时性还有提升空间,其余环节没什么可挑的。
这些是用户在状态页留言里问得最多的五条,答案都写了具体数字和处理方式。