什么是状态页(Status Page):为什么你的服务需要一个
状态页(Status Page)向用户通报服务状态、故障进展与计划维护。本文介绍公有和私有状态页、适用团队、自动化通报的边界及历史可用性口径。
状态页(Status Page)是一个沟通工具,用来告知用户服务当前是否正常、哪里受到故障影响、何时计划维护。 Stripe 和 GitHub 都提供公有状态页。用户有个固定的查询入口,处理故障的团队也有地方集中更新。
状态页的两种类型
公有状态页:任何人通过链接即可访问,适合向用户公布不含敏感信息的服务状态。通常会列出登录、支付等用户能识别的组件,并把当前状态、事故进展和计划维护分开显示。通用概念叫“状态页”,Atlassian 的产品名称是 Statuspage。Atlassian 状态页文档
私有状态页:仅向获准的成员或客户开放,访问时由登录认证、网络限制等机制保护,具体取决于实现。用于内部跨团队沟通时,不同人能否看到不同版块,要看产品是否支持相应权限。noindex 只影响支持该指令的搜索引擎如何收录页面,知道链接的人仍可能访问未受保护的内容。Atlassian 页面类型 · Google 的 noindex 说明
谁需要状态页
- 独立开发者/自由职业者:把自家应用的状态和历史记录集中起来,按用户是否需要查看决定公开范围。
- 工程团队:用受控页面展示应用、CDN 等服务状态,与 Grafana 等深度指标看板互补。
- 客服/销售团队:与工程团队共用已确认的通报,回答用户遇到的问题和影响范围。
- 管理层:在受控页面查看关键服务的可用性及统计口径。若用来判断 SLA 是否达标,还需核对协议的计算方式。
需要状态页的 5 个理由
1. 有机会减少重复客服工单
用户发现功能异常时,可以先在状态页核对是否已有通报。影响范围、临时绕行办法和下一次更新时间写清楚,用户就有机会自行判断要不要联系支持。实际能少多少工单,还取决于用户是否找得到页面,以及公告是否更新及时。
2. 让故障通报和自动化各司其职
状态页可以把一对一问答集中到一个页面。工具支持时,可用监控集成或 API 更新已定义的组件状态。提前约定监控信号和组件的对应关系,区分告警、数据缺失和服务恢复。单条告警可以提示值班人员检查,影响范围和恢复情况确认后,再更新对外公告。订阅通知是否发送,还取决于功能和设置。Atlassian 的自动化说明
3. 给用户一个固定的查询入口
GitHub 按组件展示当前状态,并把事故进展留在同一页面。把状态页链接放到帮助中心和常用入口,用户就能直接找到最新消息。邮件和社交账号也可以用来通知用户,指向同一份公告。GitHub Status
4. 给潜在客户看有口径的历史记录
企业客户选供应商时会关心服务的历史表现。状态页可以展示历史事故和可用性,但展示周期、组件范围、数据缺失及维护如何计入,都取决于产品和配置。页面上的数字只有在指标、时间窗口和排除条件与 SLA 一致时,才适合按同一口径比较。Atlassian 的组件历史说明
5. 它是独立的应急沟通渠道
主站发生故障时,状态页仍要能打开,值班人员也得能发布通报。GitHub 用 githubstatus.com 提供单独入口。换域名只解决入口问题,还要检查状态页和发布流程是否共用主站的 DNS、托管环境或登录服务。应从外部确认页面可访问,并验证主站或常用登录服务不可用时,值班人员仍有发布路径。
用观测云 HTTP 拨测 时,可以先核对失败节点、请求和时间范围,再结合服务端或用户侧数据确认影响。单个探测点的结果只反映该次探测。
在观测云工作空间配置自定义 Status Page时,可以把支付 API 之类的业务服务关联到已启用、无分组维度的 SLO,经预览和发布后公开展示。事故和维护记录需关联工作空间的公开笔记。展示的 SLO 达标率沿用关联 SLO 的考核周期。若看到 90 天趋势,其中某一天的值是截至当天的周期达标率,不能直接当作单日可用率。观测云官方服务状态页展示的是观测云各站点自身的运行情况。
常见问题(FAQ)
Q:状态页和监控大盘有什么区别?
监控大盘(如 Grafana)面向工程师,展示 CPU、错误率等排查数据。状态页面向用户,重点回答哪些功能受影响、目前进展如何、何时再更新。恢复时间尚未确认时,可以先给出下一次更新时间。
Q:小公司做状态页会不会显得“戏多”?
可以先做一个小页面,把用户最常用的服务和维护公告列出来,再安排负责人更新。页面带来的好处要结合使用情况看,日常更新和故障通报也需要投入时间。
Q:状态页应该自动更新还是人工更新?
来源稳定、映射清楚的组件状态可以按规则自动更新。涉及用户影响、事故进展或恢复判断时,应由负责通报的人确认再发布。模板可以预填结构,具体内容仍来自当次核查。
Q:历史故障记录全公开,不怕被竞品拿去做文章吗?
公开范围应按用户需要和信息敏感程度决定。可以公布受影响功能、时间和恢复情况,内部排查细节、客户数据和安全敏感信息则留在受控渠道。