老王VPN - 全球线路加速，故障切换1.4秒

2026年9月10日，老王VPN 完成线路自愈能力加固，286 个接入点全部接入自动故障切换。故障发生到恢复的中位耗时从 3.8 秒降到 1.4 秒，90 分位从 9.2 秒降到 4.6 秒；30 天统计的在线率为 99.96%，最长单次中断 2 分 18 秒，发生在 8 月 27 日凌晨的机房电力维护期间。

自愈的核心是把判断从人工值班改为自动探测。运维主管黄凯说：「以前线路断了要等监控告警、值班确认、手动切流，最快也要五分钟。现在由探针直接触发切换，人只在两次切换都失败时介入。」团队为此把探针从 12 个增加到 48 个，覆盖每个机房的入口与出口。

切换演练每月一次，做法是随机挑一个接入点直接下线，观察客户端与探针的反应。9 月的演练选了法兰克福 DE-04，下线后 1.3 秒完成流量迁移，受影响的 312 个会话里有 298 个在 2 秒内恢复，其余 14 个因为本地网络切换慢，在 4.6 秒内恢复。演练记录会写进月度报告，包括失败原因与改进项。

对用户来说，自愈过程几乎不可见：界面上的状态点会短暂变黄再变绿，正在下载的文件会暂停约 1.5 秒后继续，会议软件通常只出现一次轻微卡顿。若中断超过 10 秒，客户端会弹出提示并给出三个备用节点，用户也可以直接点「重新测速」让线路表重排。

1.4秒由什么构成

1.4 秒包含三段：探针确认故障 0.6 秒、路由收敛 0.5 秒、客户端重连 0.3 秒。探针每 200ms 发一次探测，连续 3 次失败即判定故障，因此最短确认时间为 0.6 秒。路由收敛依赖机房间的 BGP 会话，团队把保持时间从 90 秒调到 30 秒，收敛时间相应缩短。

客户端重连的 0.3 秒是新增的预连接机制带来的：客户端在连接正常时就与备用节点保持一条轻量心跳，切换时直接复用，无需重新握手。预连接每小时消耗约 0.2MB 流量，可以在「高级设置」里关闭，关闭后切换耗时回到 1.1 秒左右。

99.96%在线率的统计口径

在线率按「接入点分钟」计算：286 个点每分钟计一次，30 天共 1233.6 万次机会，失败 4937 次，得 99.96%。统计只计算接入点侧的可达性，不包含用户本地宽带故障与目标网站不可达。8 月的三次中断分别为 2 分 18 秒、1 分 43 秒与 51 秒，前两次由机房电力维护引起，第三次是上游链路抖动。

指标	加固前	加固后
切换中位耗时	3.8 秒	1.4 秒
切换 90 分位	9.2 秒	4.6 秒
30 天在线率	99.91%	99.96%
人工介入次数	17 次	3 次

黄凯说：「在线率的数字容易被拿来做宣传，所以我们把统计口径一并公开。用户看到的 99.96% 是按接入点算的，不是按人算的。」

客户端侧的重连表现

客户端在检测到连接中断后会立即尝试原节点重连，2 秒未成功则切到备用节点。实测在强制断开线路的情况下，Windows 客户端平均 1.6 秒恢复，macOS 为 1.4 秒，Android 为 1.9 秒，iOS 为 1.5 秒。移动网络的恢复时间更长，5G 下为 2.4 秒，4G 下为 3.1 秒，主要耗时在无线链路重新附着。

对会议与游戏这类对中断敏感的场景，客户端提供「锁定节点」选项：锁定后不会自动切换，而是原地重试，避免切换后目标服务重新鉴权。测试工程师林浩然建议，开长会时锁定节点，日常浏览保持自动切换。他补充：「锁定不是万能的，节点真的挂了还是得切，只是把决定权交给用户。」

监控数据每 10 秒写入一次，保留 13 个月，异常时可以回溯到具体探针与机房。团队每月公开一次在线率与切换耗时分布，用户可在状态页查看最近 30 天的记录，不需要登录账号；若某条线路连续两天进入告警，会提前下线检修，而不是等它真的断开。

下一步团队计划把探针密度提高到每机房 6 个，并把故障预测从被动探测改为基于历史抖动的提前切换，目标是把中位耗时压到 1 秒以内。黄凯说：「1.4 秒已经比多数人感知的阈值低了，但会议掉线一次就是一次，还能再快。」