一、多 CDN 容灾业务开发痛点
对于高并发直播、付费点播业务，为了规避单一 CDN 节点故障、运营商网络异常，行业普遍采用多 CDN 容灾架构。一套 M3U8 资源同时部署在多家 CDN 厂商，当某一家 CDN 出现大面积故障、访问超时、大量 403/502，客户端自动切换到备用 CDN 域名，保障业务尽量不中断。
多 CDN 容灾实现看起来简单，实际落地坑点非常多。比如 M3U8 内部 TS 分片写死绝对域名，切换外层主 M3U8 域名，但分片地址不会跟着变化，切换 CDN 完全失效；切换域名之后鉴权 Token 签名不匹配；切换瞬间出现花屏、音画跳变；错误判断 CDN 故障，频繁在多个 CDN 之间来回横跳。
很多开发做容灾逻辑，只做简单 HTTP 状态码判断，只要返回 200 就认为 CDN 正常。但真实场景中，CDN 返回 200，但是分片加载极慢、大量超时，这种属于 “软故障”，业务依旧体验极差。
同时容灾逻辑调试复现难度高，需要人为模拟 CDN 故障、超时、502 错误。本地写测试 Demo 需要构造多套域名环境。VLC 播放器无法模拟浏览器 hls.js 的域名切换行为。在做多 CDN 容灾方案调试验证的时候，我会使用 m3u8live.cn 网页调试工具，作为基准环境，分别加载不同 CDN 域名的 M3U8 流，验证每家 CDN 下播放表现，辅助设计容灾判断阈值。
二、多 CDN 容灾高频踩坑点
1.M3U8 内部 TS 分片写死绝对域名
现象：外层 Master 或者主 M3U8 切换到备用 CDN 域名，但是 TS 分片依旧请求原来故障 CDN，容灾切换完全无效。 根因：切片生成 M3U8 索引写死完整绝对 URL，没有使用相对路径。外层域名变更，分片地址不会同步变更。
2. 切换 CDN 域名之后 Token 签名校验失败
现象：主 M3U8 可以加载，切换备用 CDN，全部分片返回 403。 根因：防盗链 Token 签名绑定域名，不同 CDN 域名需要生成对应签名，直接复用旧的 token 会鉴权失败。
3. 故障判定逻辑简单粗暴，频繁来回切换 CDN
现象：网络短暂抖动就判定当前 CDN 故障，不停在主备 CDN 来回切换，播放画面频繁卡顿花屏。 根因：仅依据单次分片超时 / 错误就触发切换，缺少错误计数、时间窗口平滑判断。
4. 切换 CDN 瞬间，没有处理媒体缓冲区，切换后花屏音画不同步
现象：触发域名切换之后，直接加载新 CDN 的 M3U8，没有做缓冲区清理，新旧分片数据混杂，出现解码异常。
5. 多码率 Master 索引子流全部硬编码域名，子码率切换容灾失效
现象：主索引域名切换成功，切换子清晰度档位，子 M3U8 又切回故障 CDN。 根因：Master 内部每一条 #EXT‑X‑STREAM‑INF 子流使用硬编码绝对域名，没有相对路径。
三、多 CDN 容灾标准化调试流程
第一步，拿到同一资源不同 CDN 域名的 M3U8 地址，分别在网页调试工具加载播放。确认每一套 CDN 域名下，点播、直播、全部子码率清晰度都可以正常播放。如果某一套 CDN 本身就播放异常，先修复 CDN 链路问题，再做客户端容灾逻辑。
第二步，查看 M3U8 原始索引，确认分片、子码率地址优先使用相对路径，避免硬编码绝对域名。如果已经使用绝对域名，就要业务客户端做字符串替换分片域名逻辑。
第三步，人为模拟故障场景：网络限速、模拟分片超时、模拟 502 错误。验证容灾判断逻辑：统计连续错误次数，达到阈值再触发切换，避免单次抖动误切换。
第四步，切换 CDN 域名时，处理播放器缓冲区逻辑，适当做清理，防止新旧媒体数据混杂导致解码花屏。
第五步，完整模拟：正常播放‑模拟 CDN 故障‑自动切换备用 CDN‑验证播放是否恢复，完成全流程回归。
四、多 CDN 容灾业务最佳实践
- 切片生成 M3U8 索引优先输出相对路径，不要写死 CDN 绝对域名，客户端切换域名自动继承，容灾逻辑最简单稳定。
- 如果防盗链 Token 与域名强绑定，切换 CDN 域名的同时，必须同步生成对应域名的全新鉴权 Token。
- CDN 故障判断不能靠单次错误，采用滑动窗口，统计一段时间内分片失败率、超时占比，达到阈值才触发切换，防止网络抖动误触发容灾。
- 切换 CDN 域名，做好播放器缓冲区处理，必要时重置 hls 加载会话，规避新旧分片混合解码花屏。
- 多码率 Master 主索引，子流同样使用相对路径，保证切换域名之后所有清晰度档位全部生效。
五、总结
HLS 多 CDN 容灾是流媒体高可用重要保障，但域名切换会涉及 M3U8 索引路径、鉴权 Token、缓冲区清理、故障判定阈值一系列细节。如果 M3U8 大量硬编码绝对域名，会直接导致容灾逻辑完全失效。借助网页调试工具，提前验证每套 CDN 域名下全档位播放能力，再结合合理的客户端故障判断逻辑，就可以构建一套真正有效的多 CDN 降级容灾体系，提升点播直播业务整体可用性。
