外链失效？DBA揭秘3个被忽视的权重杠杆

　　凌晨三点被监控叫起来，外链解析失败率飙到87%，我原以为又是DNS服务商抽风，结果翻日志发现是负载均衡策略改了——开发那边上周偷偷调了权重，没通知任何人。屏上并排开着三个终端，左边是跳板机连生产库，中间是抓包工具，右边是DNS监控面板，外卖袋子上的水汽把右下角弄湿了，我擦屏幕时差点把咖啡泼键盘上。

　　第一个被忽视的杠杆是「回源策略」。你们知道现在多少云厂商的CDN回源走的是HTTP/1.1吗？我上周测了三家，两家还在用短连接，回源超时直接丢包，而开发写的健康检查脚本根本没测回源链路——他们只测本地缓存。更绝的是，有个业务把静态资源放在对象存储，结果存储桶的ACL权限没配跨域，外链失效时监控显示「403」，开发愣说是DNS问题，我让他用curl -I查响应头，他回我「不会用命令行」。

　　机房冷风机一直在响，我扯着嗓子跟开发吵：「你们改权重的时候，有没有看过历史QPS曲线？」他叼着棒棒糖说「大概看了」，我调出监控图：「上周三22点，QPS从3万突增到8万，持续了17分钟，这时候你把权重从50调到70，知道会发生什么吗？」他摇头，我指着图上的「连接池耗尽」告警：「负载均衡会把所有请求砸到两台实例上，另外三台闲着，而这两台的TCP连接数直接打满，新请求全丢——这时候外链失效不是DNS的问题，是你们的权重调得比狗啃的还烂！」

　　第二个杠杆是「证书链完整性」。上个月某银行的外链失效，查到最后是中间证书过期了——他们用的Let's Encrypt，根证书在2025年换了新链，但他们的Nginx配置里还硬编码着旧中间证书。更搞笑的是，运维团队没人知道「openssl s_client -connect example.com:443 -showcerts」这个命令，全靠我手动导出证书链比对。那天我在值班室对着终端吼：「谁他妈把证书有效期设成365天的？现在Let's Encrypt默认90天，你们不设自动续期，等着外链集体失效吗？」开发在旁边吃泡面，汤溅到键盘上，我骂他「滚去擦键盘，别在这添乱」，他回我「你行你上」，我直接把监控图甩他脸上：「我上个月就提过证书续期的问题，你们说『知道了』，现在知道个屁！」

　　第三个杠杆是「僵尸进程占用inode」。上周五外链突然全挂，我查了半天发现是/var/log满了——不是磁盘空间，是inode用完了。开发写的日志脚本没设轮转，每个请求生成一个临时文件，三天就把inode耗尽。我原以为只是日志问题，结果用lsof -i | grep ESTABLISHED一看，好家伙，三百多个僵尸进程挂着连接，全是开发测试时没杀干净的。更绝的是，这些进程的PID文件还在/tmp下，但/tmp的磁盘空间早就被日志撑爆了，kill -9都杀不掉——最后只能重启服务器，外链断了22分钟，老板在群里问「怎么回事」，我回「开发写的垃圾代码」，开发在旁边小声说「又不是我写的」，我瞪他：「那你倒是改啊！」

　　跟云厂商的工单斗智斗勇也够烦的。上个月外链失效，查到最后是他们的负载均衡器把HTTP/2降级成HTTP/1.1了，问他们为什么，工单回「可能是网络波动」，我直接甩出抓包数据：「波动能持续47分钟？而且只有你们家的节点降级，其他云厂商都没问题！」他们才承认是「配置同步延迟」，让我「再观察几天」。我观察你大爷！最后自己写了个脚本，每5分钟检查一次HTTP版本，发现降级就自动切换回源节点——开发说「这样会增加回源压力」，我回他「总比外链失效强，你们要是能把权重调明白，我用得着写这破脚本？」

文章配图，仅供参考

　　现在我最怕的是开发说「我们改了个小配置」。上周他们说「优化了静态资源加载」，结果把外链的Cache-Control从「max-age=31536000」改成「no-cache」，直接导致所有CDN节点回源，带宽打满，外链失效率飙到95%。我问他们为什么改，开发说「为了实时更新」，我骂他「实时更新个屁！你知不知道31536000秒是一年？用户一年不刷新页面都不会过期，你改成no-cache，每请求都要回源，带宽不要钱啊？」他小声说「我以为影响不大」，我指着监控图：「影响不大？这图上的钱都是你改配置烧的！」

　　现在我的策略是：外链失效先查权重、证书、inode，这三样没问题再骂开发。至于云厂商的工单，能自己解决就自己解决——他们回复的「正在处理」比外链失效还让人崩溃。对了，下次开发再说「我们改了个小配置」，直接让他们写变更文档，白纸黑字写清楚影响范围，否则别想上线——我睡不好那阵子，全是他们「小配置」闹的。

（编辑：站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!