菲律宾的API 接口站:用DNS 解析处理「权威服务器本身不可用」

一、这一篇在处理什么

这一篇只处理一件事:在菲律宾运行的API 接口站,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、菲律宾的网络和高峰

晚间高峰明显,移动网络在高峰时抖动更常见。国际访问经常经过较远的转接。短连接、多次握手的页面比长连接更容易被感觉到慢。

排查时:把连接建立时间和源站处理时间分开。连接建立变长而源站处理不变时,先查边缘和调度。

不要这样做:用加大源站 CPU 去解决连接建立慢。CPU 空闲时加机器没有帮助。

三、API 接口站要分开的路径

按路径区分只读和写入。只读且不含身份的响应才可以短缓存,写入必须回源。

防护边界:整站跳转和整站挑战不能盖住接口。调用方不会处理跳转到网页的结果。

验证:用固定的样例请求看状态码和正文是否仍是接口格式。失败时日志里要有请求编号,而不是一段网页。

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API 接口站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。

  1. 只读接口和写入接口分成两列。写入请求一律记为不缓存。 把连接建立时间和源站处理时间分成两列,晚高峰单独看连接建立。 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。
  2. 只读且不含身份的响应才允许短缓存。任何写入都不能被跳转成网页。 源站处理时间正常、连接建立变长时,按国际出口抖动处理。 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。
  3. 挑战和整站跳转排除全部接口路径。需要限速时按路径限速,返回仍是接口格式。 先缩短建连路径或改接入点。不要先给源站加 CPU。 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。
  4. 源站对写入接口做幂等。只读接口不要因为写入故障被一起拒绝。 源站 CPU 若仍然空闲,就不要扩容源站。 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。
  5. 用一条固定样例请求检查状态码和正文仍是接口数据。失败日志里要有请求编号。 用菲律宾当地移动网络复测建连时间。办公室有线网络的结果不算数。 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

  1. 权威至少两处。
  2. 注册商里的名单和真实服务器一致。
  3. 权威不可达要告警。

改完后在菲律宾的用户网络上复查,不要只在机房内网看。复查时带上API 接口站的验证:用固定的样例请求看状态码和正文是否仍是接口格式。失败时日志里要有请求编号,而不是一段网页。

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菲律宾,额外核对:把连接建立时间和源站处理时间分开。连接建立变长而源站处理不变时,先查边缘和调度。

业务侧核对:按路径区分只读和写入。只读且不含身份的响应才可以短缓存,写入必须回源。

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API 接口站的路径处理,再按菲律宾的网络条件收窄,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,地区范围是菲律宾,业务范围是API 接口站。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。