不讲体验,只讲机制。下面四个数字写在内部服务等级说明里,也同步写在状态页上,你随时可以拿实际发生的时间来对照——对不上,就是我们没做到。
每周一、三、五凌晨 03:00 启动全量自动巡检,覆盖片源可用率、CDN 回源、登录鉴权、支付回调共 12 项。单次耗时约 18 分钟,异常自动生成工单,值班工程师 30 分钟内签收。
故障分 P0–P3 四级:P0 全站打不开,15 分钟首响、2 小时恢复;P1 登录失败或付费卡单,30 分钟首响、4 小时修复;P2 单片源缺失,24 小时内处理;P3 两个工作日内答复。
计划维护固定在每周四 02:00–04:00(GMT+8),单次不超过 2 小时,一个月最多排 2 次。大版本升级提前 72 小时在 App 内和状态页同步公告,不做临时通知。
状态页每 30 秒刷新一次服务状态;故障期间每 10 分钟更新一条进展。恢复后 24 小时内发复盘,说明根因、影响时长和已经改掉的东西,不发“已恢复正常”五个字就完事。
下面三位的评价来自真实工单回访。我们没删掉不满意的地方——你看到的也是我们内部看到的那一份。
去年 11 月某次周四维护超时了 40 分钟。App 顶部直接弹出倒计时,把预计恢复时间从 04:00 改到 04:40,并说明是数据库迁移卡住。第二天早上打开,观看进度一条没丢。这不算漂亮,但我知道它卡在哪。
付费卡单属于 P1。我提交工单后第 22 分钟收到人工回复,中间状态页更新了两次进展。要说不足:前 20 分钟只有自动回复,具体方案是第二天才给的,钱当天就退回到账了。
跨年那天碰上 P0,实际恢复用了 3 小时 10 分钟,比页面承诺的 2 小时慢了一个多小时。三天后收到复盘邮件,写清是回源带宽被打满,补了 7 天会员。速度一般,但至少没装没事。
这五条是回访里问得最多的,基本都落在“时间怎么算”“谁说了算”“超时怎么办”上。