一、这一篇在处理什么
这一篇只处理一件事:在日本运行的API 接口站,使用维科云的DNS 解析时,如何处理「负载记录不健康仍在回答」。
一台源已经失败,权威或调度仍返回它的地址,一部分用户持续失败。
看失败源的地址是否还出现在解析结果里。
二、日本的网络和高峰
晚间高峰稳定,午间也有一次升高。本地宽带质量高。用户投诉变慢时,更常见的是被调度到了日本以外的节点,而不是本地带宽不够。
排查时:确认日本用户的解析结果确实落在日本或邻近节点。落到远处时,先改调度再看源站。
不要这样做:为了省事让日本用户和欧美用户共用一个远距离源站。本地快的优势会在回源时丢掉。
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「负载记录不健康仍在回答」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「负载记录不健康仍在回答」,不是一套通用清单。
- 只读接口和写入接口分成两列。写入请求一律记为不缓存。 核对日本用户是否被分到日本或邻近节点。晚间和午间各看一次。 这一故障在本步要完成的事:确认该地址的健康检查已经失败。
- 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。 若落到远处节点,这是调度错误,不是本地带宽不足。 这一故障在本步要完成的事:看解析结果是否还包含它。
- 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。 先把日本用户改回近节点。不要先扩容远处源站。 这一故障在本步要完成的事:让健康检查失败后自动从答案里拿掉。
- 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。 动态请求若仍回源到亚洲以外的远距离机房,再单独改这一类请求的回源。 这一故障在本步要完成的事:恢复后不要立刻加回,先观察一段时间。
- 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。 在日本本地宽带上复测节点位置。语言设置不能用来判断地区。 这一故障在本步要完成的事:手动摘除的地址要有人负责加回。
六、处理办法
- 解析结果跟随健康检查。
- 摘除和加回都有记录。
- 不要用长 TTL 缓存一个会变的地址列表。
改完后在日本的用户网络上复查,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
一台源宕机后仍有四分之一的解析结果指向它。健康检查没有接上调度。接上后,失败的地址不再被返回。
若同样的现象出现在日本,额外核对:确认日本用户的解析结果确实落在日本或邻近节点。落到远处时,先改调度再看源站。
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:TTL 很长能自动摘除吗?
答:摘除会变慢。会变的地址列表要用更短的 TTL。
问:健康检查误报怎么办?
答:连续失败再摘除,避免抖一下就摘。
问:全部地址都不健康呢?
答:应返回明确的维护状态,而不是继续把失败地址发出去。
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,再按日本的网络条件收窄,最后才做「负载记录不健康仍在回答」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「负载记录不健康仍在回答」上的处理,地区范围是日本,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。