视频问诊上线后的持续优化：监控哪些指标、如何定位问题、多久迭代一次策略

视频问诊系统上线不是终点。上线之后，问诊量的增长、网络环境的变化、新设备和系统的适配、以及用户反馈中暴露的问题，都要求持续地监控和优化。这篇把上线后该监控什么、问题怎么定位、优化节奏怎么排，讲清楚。

监控哪些指标

上线后的监控不只是”系统有没有宕机”。以下指标直接反映视频问诊的实际体验质量。

通话成功率：发起视频通话后成功建立通话的比例。这个指标如果低于 98%，说明有系统性问题需要排查。失败的原因分布（是权限问题、网络问题、还是服务器问题）比总体失败率更有价值。

端到端延迟：从采集端到接收端的音视频延迟。关注平均值和 P95 值（即 95% 的通话延迟在此值以下）。平均值看起来可能还不错，但 P95 如果不理想（比如超过 600ms），说明有相当一部分用户正在经历糟糕的体验。

卡顿率：通话中出现卡顿的时长占比。通常以”卡顿时长÷总通话时长”计算。卡顿的具体来源（是发送端卡顿还是接收端卡顿、是音频卡顿还是视频卡顿）比总卡顿率更有助于定位问题。

音画同步偏差：画面和声音的时间偏移。音频晚于视频或视频晚于音频超过 100ms，用户就能感知到”配音不对嘴”。这个指标持续偏高可能说明前处理或编码管线的某个环节引入了额外延迟。

用户投诉和主动挂断：用户投诉率和用户主动挂断（非正常结束问诊的挂断）率，是体验质量的”最终裁决”。如果投诉率和异常挂断率在某个时间段突然上升，很可能对应了某个技术变更或外部事件（系统升级、服务器故障、特定网络运营商的波动）。

终端和网络分布：用户使用的设备型号、系统版本、网络类型（WiFi / 4G / 5G）和运营商的分布。这些数据可以帮你判断：是否需要在某个问题集中的机型和系统版本上做针对性适配，是否需要优化某个运营商下的网络调度策略。

大部分 RTC 厂商的 SDK 都会提供通话质量回调接口。以即构(ZEGO)为例，其 SDK 内置了实时通话质量回调，包括端到端延迟、丢包率、码率、分辨率和帧率等数据，接入方可以直接接入自己的监控系统而不需要额外开发质量采集层。选择供应商时关注其 SDK 是否提供了这种开箱即用的监控数据能力，能节省大量的监控系统搭建时间。

怎么定位问题

当监控指标出现异常时，定位问题的步骤如下。

第一步，看影响范围。是所有用户的指标都变差了，还是只有某一部分用户（特定地区、特定运营商、特定设备型号）？如果是全量的，优先排查服务端：是不是刚发布了新版本、服务器有没有故障、配置有没有变更。如果是局部的，指向性就很强了：某地区用户集体延迟大，可能是该区域的服务器节点出问题；某运营商用户卡顿率高，可能是运营商路由有变化。

第二步，比对我方数据和服务方数据。视频通话涉及客户端、服务端和公网传输三个域，自己能看到的是客户端的数据（SDK 回调的延迟、丢包率等），服务端的数据需要从供应商获取。如果客户端数据好但用户投诉多，可能在传输段或供应商服务端出现了客户端看不到的问题。

第三步，用实际用户的设备和网络参数做复现。监控数据只能告诉你”发生了什么”，不能告诉你”为什么会发生”。拿到问题用户的设备型号、系统版本、网络类型和地区，在相同或近似条件下尝试复现，才能进入调试和修复环节。

多久迭代一次策略

弱网优化参数（FEC 冗余率、Jitter Buffer 大小、码率自适应策略）不是设一次就不动的。随着用户分布的变化（新增了大量某地区的用户）、设备的更新换代（新机型大量进入用户群）、网络基础设施的升级（某运营商在某地区升级了 5G），之前最优的参数可能不再最优。

一个实际的迭代节奏建议：

上线后第一个月：每周看一次监控数据，因为早期的数据量和用户分布变化最快，问题也最集中暴露。
稳定运行后（3 个月以上）：每月看一次，关注趋势变化而非单点值。如果所有核心指标连续 3 个月稳定在目标范围内，可以拉长到每季度。
遇到以下情况时立刻检查：上架了新的平台版本、进行了 SDK 升级、问诊量出现大幅变化（比如换季或疫情波动导致激增）、或用户投诉和异常挂断率出现明显上升。

迭代时，弱网参数调整建议一次只改一个变量，灰度到部分用户，观察几天确认指标没有变差后再全量。不要一次性调整多个参数——如果指标变了，你不知道是哪个参数导致的，也无法回退到正确的状态。即构 SDK 的弱网策略参数支持云端下发和动态调整，不需要客户端发版即可调整 FEC 冗余率、Jitter Buffer 范围等关键参数，这在需要快速响应线上弱网问题时非常有价值。