芒果传媒不只把片库和播放器做出来,还把运维节奏一起公开:每 15 分钟对 42 个核心接口跑一轮自动探活,每天 09:00 和 21:00 各做一次人工复核;故障按 P1 / P2 / P3 分三级,P1 全站不可用时 15 分钟内必须有人接手,2 小时内给出恢复时间点。常规维护固定在每周三凌晨 02:00–04:00,提前 72 小时在状态页和 App 内公告,维护期间你打开客户端看到的不是白屏,而是一条写明恢复时间的黄色提示条。
这三件事是芒果传媒运维流程的全部骨架:多久查一次、出事怎么分级、维护提前多久说。没有"极致体验",只有可以被核对的时间点。
自动探活覆盖点播起播、直播推拉流、账号鉴权、支付回调等 42 个核心接口,间隔 15 分钟,每天 09:00 与 21:00 各追加一次人工复核。单接口连续 3 次失败才升级为事件,避免网络抖动造成误报——这条规则把误报率压到 6% 以内,也意味着最坏情况下你可能会比我们早 45 分钟发现问题。
P1 为全站或支付链路不可用,15 分钟响应、2 小时内给出恢复时间;P2 为单一模块受损,如仅直播起播失败,30 分钟响应、6 小时内修复;P3 为局部功能异常,4 小时响应,并入下个维护窗口发版。等级由值班工程师在判定后 10 分钟内写进状态页,写定即不再回调。
常规维护固定在每周三 02:00–04:00,日常发版不占用该时段;大版本升级每月最多 2 次,提前 72 小时在状态页与 App 内弹窗双渠道公告。维护期间客户端顶部显示黄色横条"计划维护中,预计 03:40 恢复",已缓存内容可继续观看,下单与开会员暂时关闭。
单轮自动巡检
监控核心接口
计划维护上限
近一年可用率
数据取自 2025 年 1 月至 2025 年 12 月的运维台账:全年发生 P1 事件 2 次、P2 事件 11 次、P3 事件 74 次,其中 P1 平均首次响应 9 分钟、平均恢复 87 分钟;计划维护共 21 次,超时 3 次,最长一次超时 38 分钟。台账与故障复盘报告在状态页均可下载。
下面三条都来自实际报过工单的客户,说的是处理速度,不是界面好不好看。有好评,也有两句不太客气的。
去年 11 月 9 号晚上直播推拉流全挂,21:07 提的工单,21:19 就收到"已定位:推流网关证书过期"的回执,22:40 恢复。说实话一个半小时不算快,但每一步都有回执,状态页上写着"影响约 1.8 万在线",我不用一边安抚客户一边去猜到底修没修。
陈默
直播电商运营 · 已使用 1 年 4 个月
字幕不同步那个 P2,从提交到修好用了 5 小时 40 分,卡在我们签的 6 小时窗口里,但也真的没什么余量。加分的是复盘写得实:根因是转码队列堆积,影响范围只覆盖 4 个剧集,48 小时内把复盘文档发到了邮箱。减分项是这类问题连续两个月各出现一次。
李蔓
MCN 机构技术对接 · 已使用 8 个月
周三凌晨的维护窗口是真的准点收工——公告写 04:00,我盯了三次,分别在 03:47、03:52、03:58 结束。吐槽一句:小的热修复偶尔不发公告,只能自己订阅状态页 RSS 才不漏。好在热修复不重启服务,播放没被打断过。
周叙白
个人开发者 · 已使用 3 个月
这五条都是客户在合同评审阶段最常追问、而页面前面确实没交代完的部分。
状态页由当班的值班工程师直接更新,不经过市场或运营部门改稿。规则是:P1 事件发生后 10 分钟内必须建帖,此后每 30 分钟至少更新一次,哪怕只是写"仍在排查,暂无新进展"也不允许停止更新。恢复后 48 小时内同帖追加复盘,包含根因、影响账号数、恢复步骤和后续防止复发的改动。历史帖子不删除、不归档隐藏,可以按月份翻查。
工单进入 P1 队列后开始计时,15 分钟内无人认领,系统会自动拨打电话到一线值班、二线负责人和运维总监三级手机,同时把工单标红挂在内部大屏上,直到有人签收才停止。如果确认是我们的响应超时,当月服务费按单次 3% 返还,可与可用率未达标的 5% 叠加,但单月返还上限为费用的 15%。超时记录同样会写进复盘,不会只在内部群里说一声了事。
公共维护窗口统一在周三凌晨 02:00–04:00,为所有客户共享,不单独为你调整——这是我们明确做不到的地方,如果业务集中在凌晨,需要提前评估。可以谈的是私有化部署版本:私有化客户的窗口由你们定,我们提前 5 个工作日交付升级包和回滚脚本,并派一名工程师在线值守。另外,涉及数据库结构的重大变更我们不会塞进常规窗口,会单独立项并提前 7 天单独通知。
我们的探活节点部署在 6 个地域,全部失败才判定为服务不可用,所以单个运营商线路或你所在办公网络的出口问题,不会反映在全站状态上——这种情况下状态页确实会显示"正常"。请先在客户端内运行"网络自检",它会列出 CDN 节点连通性和 DNS 解析结果;自检失败可直接生成带时间戳的诊断包提交工单,这类工单按 P3 处理,4 小时内响应。我们不会为了显得好看把这类报障算进可用率。
会。试用期为 14 天,期间发生 P1 事件且单次中断超过 60 分钟的,试用期按实际中断时长顺延,最多顺延 3 天;P2 事件的单次中断不计入顺延,但会合并计算,累计中断满 4 小时同样顺延 1 天。顺延不需要申请,系统在故障结单时自动加到你的到期时间上,并在客户端内发一条通知。这是试用期条款,正式合同按服务协议中的可用率条款执行,两者不冲突。