一、这一篇在处理什么
这一篇只处理一件事：在韩国运行的会员登录站，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、韩国的网络和高峰
晚间高峰陡，活动开始的几分钟内容易出现重试。本地网络快，但国际出口在突发时会抖。客户端超时设得太短时，会把抖动放大成重试风暴。
排查时：看同一用户在短时间内的重复请求。重复很多而源站处理时间正常，先改超时和退避。
不要这样做：把重试风暴当成攻击，封掉整个运营商。应先认出来源是不是真实用户的重复提交。
三、会员登录站要分开的路径
登录页、会话接口和验证码分开。登录响应含身份信息，不能按网址缓存。
防护边界：验证码和登录失败重试要有上限，但不要把整个运营商封掉。
验证：两个浏览器先后登录，确认页面和 Cookie 没有串号。错误密码连续失败时，正常密码仍能登录。
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，不要把会员登录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「本地解析器缓存了失败」，不是一套通用清单。
- 登录页、会话接口和验证码分开统计。含身份的响应单独标记为不可缓存。 统计同一用户在短时间内的重复请求，晚高峰陡增的几分钟单独看。 这一故障在本步要完成的事：确认权威当前能回答。
- 验证码失败和登录失败设置次数上限。不要因为失败变多就封掉整个运营商。 源站处理时间正常但重复请求很多时，按重试处理，不要按攻击封运营商。 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。
- 会话接口不缓存。若要加挑战，只加在登录入口，已登录后的会话接口不要再挑战。 先加长客户端超时并改为退避。运营商封禁先不要下发。 这一故障在本步要完成的事：查看失败缓存还要多久过期。
- 源站按账号限制错误密码次数。不要按来源网络把所有用户锁在一起。 确认重复请求下降后，再决定源站要不要限并发。 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。
- 两个浏览器先后登录，确认看不到对方的会话。错误密码失败后，正确密码仍能登录。 用韩国本地网络模拟一次抖动，确认不会打出一串立即重试。 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。
改完后在韩国的用户网络上复查，不要只在机房内网看。复查时带上会员登录站的验证：两个浏览器先后登录，确认页面和 Cookie 没有串号。错误密码连续失败时，正常密码仍能登录。
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韩国，额外核对：看同一用户在短时间内的重复请求。重复很多而源站处理时间正常，先改超时和退避。
业务侧核对：登录页、会话接口和验证码分开。登录响应含身份信息，不能按网址缓存。
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。每一步都先按会员登录站的路径处理，再按韩国的网络条件收窄，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，地区范围是韩国，业务范围是会员登录站。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。