一、这一篇在处理什么
这一篇只处理一件事:在美国西海岸运行的会员登录站,使用维科云的高防服务器时,如何处理「监控机器和业务机器一起挂」。
监控装在唯一的业务机器上。机器不可达时,告警也发不出来。
看监控是否还能从外部发现这台机器失败。
二、美国西海岸的网络和高峰
当地晚间对应亚洲的白天。和亚洲站共用一套高峰预案时,两边会抢同一批容量。用户到美西边缘近,但若源站在亚洲,回源跨太平洋。未缓存的动态请求会把这段距离暴露出来。
排查时:分别看边缘命中和回源耗时。命中高而用户仍慢,问题在用户到边缘;命中低而回源慢,问题在跨洋回源。
不要这样做:只在亚洲时间看美西监控。美西的忙时不在亚洲的忙时。
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、高防服务器怎么接
业务端口不对公网开放,只允许清洗或回源网段访问。管理端口走堡垒机,不直接暴露。清洗阈值按正常峰值设置,连接数、磁盘和 CPU 分开告警。源站日志保留请求编号,错误详情不写进给用户看的页面。
产品说明见高防服务器。只改和「监控机器和业务机器一起挂」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「监控机器和业务机器一起挂」,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。 按美西当地晚间看容量,不要和亚洲高峰共用一个阈值。 这一故障在本步要完成的事:从外部探测业务地址。
- 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。 边缘命中高但仍慢,查用户到美西边缘;命中低且回源慢,查跨太平洋回源。 这一故障在本步要完成的事:告警发送不依赖这台机器自身。
- 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。 能缓存的请求先提高命中,不要先加大跨洋带宽。 这一故障在本步要完成的事:外部探测失败时仍能通知到人。
- 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。 动态请求若必须回亚洲,只把这类请求留在跨洋路径上。 这一故障在本步要完成的事:用一次停进程验证通知。
- 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。 在美西当地晚间复测。用亚洲白天的监控判断美西,不算完成。 这一故障在本步要完成的事:不要只靠机器内的自检。
六、处理办法
- 外部探测。
- 告警通道独立。
- 停进程做一次演练。
改完后在美国西海岸的用户网络上复查,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
机器断网后内部监控也断了,没有人收到消息。加上外部探测后,机器不可达本身就会通知。
若同样的现象出现在美国西海岸,额外核对:分别看边缘命中和回源耗时。命中高而用户仍慢,问题在用户到边缘;命中低而回源慢,问题在跨洋回源。
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:机器里的监控还有用吗?
答:有用,它能看到磁盘和进程。但不能代替外部探测。
问:探测多久一次?
答:短到能在用户大量投诉前发现。
问:告警发给谁?
答:发给值班渠道,而不是只写在这台机器的邮箱里。
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,再按美国西海岸的网络条件收窄,最后才做「监控机器和业务机器一起挂」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
只讨论高防服务器在「监控机器和业务机器一起挂」上的处理,地区范围是美国西海岸,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。