一、这一篇在处理什么
这一篇只处理一件事:在泰国运行的直播互动,使用维科云的高防 CDN时,如何处理「弱网重试把源站打满」。
移动网络丢包后,客户端在没有退避的情况下同时重试,边缘和源站看到的 QPS 是真实用户数的数倍。
看同一用户短时间内的重复请求次数。
二、泰国的网络和高峰
晚间 19:00 以后上升很快,活动日会提前一小时。移动端比例高,国际出口在晚高峰更容易抖动。首包变慢往往先于带宽打满出现。
排查时:只看泰国的首包时间和失败率。若下载速度正常但首包慢,优先查解析和边缘距离,而不是把带宽套餐加大。
不要这样做:活动开始才扩容。泰国的流量爬坡很快,扩容要在高峰前完成。
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 CDN怎么接
公网只解析到 CDN 的 CNAME,源站安全组只放行回源网段。静态域名使用较长缓存时间,登录、下单和支付接口单独 Bypass,不与图片域名共用缓存键。清洗策略按 Host 分开:活动页可以更严,API 要按路径放行正常的高频轮询。
产品说明见高防 CDN。只改和「弱网重试把源站打满」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「弱网重试把源站打满」,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。 从当地 19:00 起按 10 分钟看爬坡。活动日再提前一小时单独看。 这一故障在本步要完成的事:按用户标识统计一秒内的重复 POST 或重复下单。
- 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。 若吞吐正常但首包变慢,把问题记成出口抖动,不要记成带宽不够。 这一故障在本步要完成的事:确认客户端是否在超时后立即并发重试。
- 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。 先查解析和边缘距离。带宽套餐先不要加大。 这一故障在本步要完成的事:服务端用幂等键挡住重复下单。
- 转码和录制不要和播放写在同一块磁盘或同一条队列里。 确认扩容或策略变更已经在 19:00 之前生效,而不是等爬坡开始后再做。 这一故障在本步要完成的事:边缘对同一用户的突发重试做短时合并或限速。
- 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。 在泰国移动网络上复测首包。只测下载速度不算完成。 这一故障在本步要完成的事:让客户端改为指数退避,并加上随机延迟。
六、处理办法
- 下单接口必须幂等。
- 不要把重试流量误判成 CC 后封掉整个运营商。
- 超时时间要大于弱网下的正常往返。
改完后在泰国的用户网络上复查,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
一场活动在地铁网络里失败率高,源站 QPS 却是人数的四倍。客户端失败后同时发四个重试。加上幂等键和退避后,成功单不再重复,源站压力回到人数规模。
若同样的现象出现在泰国,额外核对:只看泰国的首包时间和失败率。若下载速度正常但首包慢,优先查解析和边缘距离,而不是把带宽套餐加大。
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:这和 CC 怎么区分?
答:重试来自真实用户标识,URL 集中在失败的那一个操作,而且会随着成功率回升而下降。
问:限速会不会让用户更失败?
答:会,所以首先要做幂等和退避,限速只是保护源站。
问:GET 重试有害吗?
答:读请求危害较小。重复扣款的 POST 必须拦住。
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,再按泰国的网络条件收窄,最后才做「弱网重试把源站打满」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 CDN在「弱网重试把源站打满」上的处理,地区范围是泰国,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。