一、这一篇在处理什么
这一篇只处理一件事：在欧洲法兰克福运行的直播互动，使用维科云的高防服务器时，如何处理「监控机器和业务机器一起挂」。
监控装在唯一的业务机器上。机器不可达时，告警也发不出来。
看监控是否还能从外部发现这台机器失败。
二、欧洲法兰克福的网络和高峰
欧洲傍晚最忙，和亚洲高峰错开。欧洲内部访问和从欧洲回源到亚洲是两件事。源站若在亚洲，动态请求的往返会很长。
排查时：欧洲用户的动态接口应尽量有近端处理或可缓存的外壳。每次都回亚洲源站时，先改缓存和分域，而不是先加欧洲带宽数字。
不要这样做：用亚洲办公网络判断欧洲故障。必须从欧洲的探测点看解析和首包。
三、直播互动要分开的路径
推流、播放和聊天是三条路径。播放地址用短时令牌，聊天不要走播放的缓存。
防护边界：播放令牌过期应在场次中途之前刷新。不要把直播切片和网页跳转规则混在同一个域名上。
验证：看首帧时间、卡顿来自主播上行还是观众分发，以及结束后直播地址是否停止、回放是否另给地址。
四、高防服务器怎么接
业务端口不对公网开放，只允许清洗或回源网段访问。管理端口走堡垒机，不直接暴露。清洗阈值按正常峰值设置，连接数、磁盘和 CPU 分开告警。源站日志保留请求编号，错误详情不写进给用户看的页面。
产品说明见高防服务器。只改和「监控机器和业务机器一起挂」有关的域名或路径，不要把直播互动的其他路径一起改掉。
五、排查步骤
下面五步按因果顺序执行，后一步依赖前一步的结果。步骤针对「监控机器和业务机器一起挂」，不是一套通用清单。
- 推流、播放和聊天分开统计。播放地址的令牌过期要单独计数。 欧洲傍晚单独统计，不要并进亚洲高峰。 这一故障在本步要完成的事：从外部探测业务地址。
- 聊天不要走播放缓存。播放令牌在场次结束前刷新，不要等观众已经 403。 欧洲内部访问正常、回亚洲源站变慢时，只处理动态回源这一段。 这一故障在本步要完成的事：告警发送不依赖这台机器自身。
- 播放切片和网页跳转不要共用一个域名。需要拦截时只拦被盗用的播放域名。 先给动态页面加可缓存外壳或近端处理。不要先加大欧洲带宽数字。 这一故障在本步要完成的事：外部探测失败时仍能通知到人。
- 转码和录制不要和播放写在同一块磁盘或同一条队列里。 确认仍需回亚洲的请求已经缩到最少之后，再看源站容量。 这一故障在本步要完成的事：用一次停进程验证通知。
- 测量首帧，并判断卡顿来自主播上行还是观众分发。结束后直播地址应停止，回放另给地址。 从欧洲探测点复测解析和首包。亚洲办公室的结果不能代替。 这一故障在本步要完成的事：不要只靠机器内的自检。
六、处理办法
- 外部探测。
- 告警通道独立。
- 停进程做一次演练。
改完后在欧洲法兰克福的用户网络上复查，不要只在机房内网看。复查时带上直播互动的验证：看首帧时间、卡顿来自主播上行还是观众分发，以及结束后直播地址是否停止、回放是否另给地址。
七、案例
机器断网后内部监控也断了，没有人收到消息。加上外部探测后，机器不可达本身就会通知。
若同样的现象出现在欧洲法兰克福，额外核对：欧洲用户的动态接口应尽量有近端处理或可缓存的外壳。每次都回亚洲源站时，先改缓存和分域，而不是先加欧洲带宽数字。
业务侧核对：推流、播放和聊天是三条路径。播放地址用短时令牌，聊天不要走播放的缓存。
这个案例只说明怎么定位，不构成容量或可用性承诺。
八、常见问题
问：机器里的监控还有用吗？
答：有用，它能看到磁盘和进程。但不能代替外部探测。
问：探测多久一次？
答：短到能在用户大量投诉前发现。
问：告警发给谁？
答：发给值班渠道，而不是只写在这台机器的邮箱里。
问：同一故障换一个地区或一种业务，排查还一样吗？
答：不一样。每一步都先按直播互动的路径处理，再按欧洲法兰克福的网络条件收窄，最后才做「监控机器和业务机器一起挂」这一故障本身的动作。换地区或换业务，前两段操作就会变。
九、边界
只讨论高防服务器在「监控机器和业务机器一起挂」上的处理，地区范围是欧洲法兰克福，业务范围是直播互动。请遵守当地法律。维科云提供网络能力，不对客户业务内容负责。