一、这一篇在处理什么
这一篇只处理一件事:在印度尼西亚运行的在线娱乐平台,使用维科云的DNS 解析时,如何处理「本地解析器缓存了失败」。
权威短时故障时,递归解析器缓存了失败答案。权威恢复后,这部分用户仍要等失败缓存过期。
看权威已经恢复后,仍返回失败的递归解析器。
二、印度尼西亚的网络和高峰
晚间高峰跨度长,群岛不同城市的高峰不会精确重合。移动网络和海缆路径影响大。雅加达正常,不代表其他岛屿正常。
排查时:不要把印度尼西亚收成一个平均值。至少把首都和其他主要城市分开看失败率。
不要这样做:一个探测点全绿就认为全国正常。探测点要放在用户多的城市,而不是只放一个。
三、在线娱乐平台要分开的路径
登录、房间列表、下单和静态皮肤要分域。下单接口不能按 URL 缓存。
防护边界:挑战和限速只覆盖被刷的动态路径。首页皮肤、规则页被误拦时,用户会认为整站不可用。
验证:用两个账号连续访问同一页面,确认不会看到对方的余额或昵称。再用一次失败提交确认不会重复扣款。
四、DNS 解析怎么接
对外业务域名用 CNAME 指向 CDN 或直播调度,不把源站地址写进权威记录。平时 TTL 保持在可接受的缓存时间,只有计划内切换才提前降低 TTL。权威 DNS 与注册商账号分开管理,切换后用多个地区的公共解析器核对结果。
产品说明见DNS 解析。只改和「本地解析器缓存了失败」有关的域名或路径,不要把在线娱乐平台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「本地解析器缓存了失败」,不是一套通用清单。
- 只统计登录、房间列表、下单和皮肤域名。下单接口单独成列,不能和皮肤放在一起。 把雅加达和其他主要城市分成两张表,晚高峰不要用全国平均值。 这一故障在本步要完成的事:确认权威当前能回答。
- 皮肤和规则页保持可访问。限速和挑战只允许出现在被刷的下单或登录路径上。 首都正常而其他城市失败时,按城市处理,不要当成整国故障。 这一故障在本步要完成的事:找出仍返回失败的递归解析器。
- 下单接口设为不缓存。若这一步需要拦截,只拦下单路径,首页皮肤继续放行。 为失败城市单独指定接入点。已经正常的城市不要一起改。 这一故障在本步要完成的事:查看失败缓存还要多久过期。
- 在源站只限制下单路径的并发。不要因为下单异常把皮肤域名也回源。 确认海缆路径只影响失败城市后,再决定要不要动源站。 这一故障在本步要完成的事:等待过期,或联系关键解析器刷新。
- 用两个账号各下一单:页面不能出现对方的余额或昵称,失败重试不能产生第二笔扣款。 在失败城市加一个探测点复测。只有雅加达一个点是绿的,不算恢复。 这一故障在本步要完成的事:权威侧减少故障时间,避免失败被缓存。
六、处理办法
- 权威高可用,减少失败缓存的机会。
- 故障公告写明还要等缓存。
- 不要在权威刚恢复时就拆旧系统。
改完后在印度尼西亚的用户网络上复查,不要只在机房内网看。复查时带上在线娱乐平台的验证:用两个账号连续访问同一页面,确认不会看到对方的余额或昵称。再用一次失败提交确认不会重复扣款。
七、案例
权威只中断了几分钟,部分运营商之后半小时仍解析失败。他们缓存了失败答案。到期后恢复,无需再改记录。
若同样的现象出现在印度尼西亚,额外核对:不要把印度尼西亚收成一个平均值。至少把首都和其他主要城市分开看失败率。
业务侧核对:登录、房间列表、下单和静态皮肤要分域。下单接口不能按 URL 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:为什么改记录没用?
答:记录是对的。错的是缓存里的失败结果。
问:失败缓存能设多短?
答:这由递归解析器决定,权威不能替它改。
问:如何减少影响?
答:让权威尽量不出现会被缓存的失败。
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。每一步都先按在线娱乐平台的路径处理,再按印度尼西亚的网络条件收窄,最后才做「本地解析器缓存了失败」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DNS 解析在「本地解析器缓存了失败」上的处理,地区范围是印度尼西亚,业务范围是在线娱乐平台。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。