服务状态页 7×24 公开,含 12 个月历史记录

挂了怎么办、 多久能修好, 我们把话写在页面上

芒果传媒是一个影视点播 App,但这一页不讲片库。这一页只回答三件具体的事:我们多久巡检一次、故障分几级、各级多久响应、以及维护的时候你的屏幕上会看到什么。过去 12 个月,全站 P0 故障共 3 次,最慢的一次从报警到恢复用了 47 分钟——这些数字你可以在状态页逐条核对。

  • 自动巡检每 15 分钟一轮,全年无休,覆盖 86 个接口
  • P0 故障 5 分钟内值班工程师响应,30 分钟内出第一条公告
  • 例行维护固定在每周三 03:00–04:00,提前 24 小时公告
芒果传媒运维监控看板示意,展示接口巡检与故障告警列表
4 个 CDN 源正常 12 个转码节点正常 1 项待观察

Reliability

巡检、故障分级、维护窗口

我们不打算用“极致稳定”来形容自己。下面三件事都能被第三方核对:状态页有历史记录,报障之后你也可以自己掐表看我们多久响应。做不到的部分,卡片里一并写出来。

巡检节奏

系统每 15 分钟自动巡检一轮,覆盖 86 个接口、12 个转码节点与 4 个 CDN 源;每天 09:00 由值班工程师人工复核前 24 小时的告警,同一接口连续 3 轮超时即自动开工单,不等用户来报障。

故障分级

故障分四级。P0 全站不可播:5 分钟响应、30 分钟内出公告;P1 单省不可播:15 分钟响应、2 小时内恢复;P2 单剧集卡顿:工作时间 2 小时内处理;P3 页面样式异常:排进下一个版本。

维护窗口

例行维护固定在每周三 03:00–04:00;紧急维护一年不超过 4 次,且需提前 24 小时公告。维护期间 App 顶部会出现一条灰色横幅,写清开始时间、预计结束与影响范围,不弹窗,已缓存的剧集照常播放。

15分钟

自动巡检间隔

5分钟

P0 响应上限

47分钟

最长恢复耗时

52次

年度例行维护

以上四个数字取自 2024 年 1 月至 12 月的运维记录,可在状态页逐条核对。47 分钟那一次,是华东 3 号转码节点磁盘写满导致的;事后我们把该节点的磁盘告警阈值从 90% 下调到 75%,并把转码节点的巡检项从 6 项增加到 11 项。

Feedback

真遇到过故障的人怎么说

下面三条评价来自真实报障用户,原文照登,抱怨的部分没有删。

上周五晚 9 点,《长风渡》第 18 集点开一直转圈。我在 App 里点了报障,11 分钟后收到站内信,说已定位到华东 3 号转码节点,22 分钟时恢复。比我预期快,但当晚的横幅只写了“部分用户受影响”,没写具体是哪个节点,我后来自己去状态页才翻到。
陈

陈默

使用 1 年 4 个月

今年 3 月那次紧急维护印象比较深:凌晨两点收到短信,说三点开始停机 40 分钟,实际 26 分钟就恢复了。缺点也有——短信只在 P0 和紧急维护时发,像 P2 那种单剧集卡顿只有站内信,我基本不看站内信,等于没被通知到。
周

周雨桐

使用 8 个月

我是做 IT 运维的,所以比较在意分级的说法。芒果传媒 P1 承诺 15 分钟响应,我实测过两次,一次 9 分钟、一次 13 分钟,都在范围内。但“响应”和“恢复”是两回事,第一次从响应到真正能播用了 1 小时 50 分钟,公告里没写这个区别,容易让人误会。
李

李长庚

使用 2 年

FAQ

页面没交代完的,在这里

下面五条是被问得最多的问题,答案里包含我们认为做得还不够好的地方。

能。已经下载到本地的剧集不受服务端维护影响,周三凌晨那一小时里正常播放。但通过在线播放访问的剧集、以及需要重新鉴权的会员内容会提示“服务维护中,04:00 后恢复”。如果你的缓存正好到期需要重新校验版权,同样要等维护结束。这一点是我们目前的限制,短期内改不了。

响应指值班工程师确认告警、进入处理状态并对外发出第一条公告,目标 5 分钟内完成;恢复指服务真正可用。两者之间隔着定位、回滚和验证,历史中位数是 31 分钟,最长一次 47 分钟。我们在公告里会同时写“已响应”和“预计恢复时间”,不把响应当成恢复来宣传。

短信通道只在 P0 故障和紧急维护时启用,因为单条成本 0.04 元,全量发送一次约 1.7 万元,我们只在必要时使用。P1、P2 走 App 推送和站内信。如果你希望 P1 也收到短信,可以在“我的—通知设置”里打开“P1 也短信提醒”,代价是每个月可能多收到 2 到 5 条非紧急通知。

超过 15 分钟的紧急维护会提前 24 小时公告,这一条写进了我们的 SLA。不提前的情况只有一种:安全漏洞正在被利用,此时先处置、后公告,但处置完 2 小时内必须补发完整说明。过去 12 个月里,这类例外一共发生过 1 次。

以状态页为准。App 内公告由运营同学手动同步,平均延迟 3 到 8 分钟;状态页由监控系统直接写入,是唯一的一手来源。两者冲突时,时间点和等级请以状态页为准,我们会在事后把 App 公告补齐,并在状态页注明这次延迟的原因。

下一次例行维护:本周三 03:00–04:00

周三凌晨那一小时, 我们会提前告诉你

例行维护固定在每周三 03:00–04:00,一年 52 次,提前 24 小时公告;紧急维护一年最多 4 次,且必须给出开始时间、预计结束和影响范围。如果你需要一个把运维时间表直接写在页面上的产品,可以先试试看。

试用期 14 天,到期不自动扣费;P0 故障期间注册通道保持可用。