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直播互动，使用维科云的DNS 解析时，如何处理「权威服务器本身不可用」。
权威 DNS 全部不可达时，递归解析器只能靠还没过期的缓存。缓存一过期，域名就解析失败。
看权威服务器的可用数量和查询失败率。
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、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、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「权威服务器本身不可用」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「权威服务器本身不可用」，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。 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：从外部查询权威服务器是否响应。
- 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。 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：确认至少有两台权威在不同网络。
- 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。 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：若只剩一台，先恢复第二台，再处理其他变更。
- 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：检查注册商里登记的权威名单是否还指向已废弃的服务器。
- 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：权威恢复后，抽查几个主要域名。
六、处理办法
- 权威至少两处。
- 注册商里的名单和真实服务器一致。
- 权威不可达要告警。
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
两台权威其实在同一台物理机器上。机器维护时解析开始失败。第二台换到另一个网络后，单机维护不再影响解析。
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：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：有缓存为什么还会挂？
答：缓存会过期。过期后必须问到权威。
问：CDN 正常是不是 DNS 就正常？
答：不是。DNS 失败时用户根本到不了 CDN。
问：注册商和权威是一回事吗？
答：不是。注册商负责告诉别人你的权威是谁，权威负责回答记录。
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，再按印度尼西亚的网络条件收窄，最后才做「权威服务器本身不可用」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「权威服务器本身不可用」上的处理，地区范围是印度尼西亚，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。