负载均衡事故记录:2 次 502 报错之后

两起 502 均指向后端健康检查配置不当，负载均衡本身没有故障。判断依据是日志中健康检查探测间隔长于应用启动时间，导致流量被转发到尚未就绪的实例。先修探测参数，再谈扩容。

结论：故障出在健康检查参数而非转发性能

两次报错时间相隔 11 天，第一次发生在发布窗口内，第二次发生在凌晨备份后的流量回升阶段，特征一致：部分请求在 2 至 4 秒内连续 502，随后自愈。核对访问日志与后端应用日志后，转发层没有丢包，连接数也没打满。问题集中在健康检查探测周期设为 30 秒、失败阈值 3 次，而应用冷启动需要约 50 秒。探测尚未判死，新连接已被分到未就绪实例。这个结论对选型同样成立：评估负载均衡时，探测粒度与后端启动特性是否匹配，比纸面吞吐更影响可用性。

参数对比：负载均衡 的规格与实测

下面以同价位两款入门型方案对照，A 为单可用区基础版，B 为双可用区标准版。数据来自 7 天压测与后台监控采样，后半段为经验估算区间。

表格里最值得看的是探测间隔而非延迟，7 ms 差距在业务体验上几乎无感，25 秒的探测差却直接决定冷启动期是否漏流。连接延迟数据为经验估算，仅供参考，区间约 30 至 42 ms。

1. 在测试环境按同一镜像拉起 8 个后端节点，记录冷启动耗时分布。
2. 把探测间隔与失败阈值逐档调低，观察 502 计数是否归零。
3. 用压测工具复现发布窗口流量，核对切换期间的错误率曲线。

成本：费用拆解

直接成本分三块：负载均衡实例费、后端主机费、带宽费。以 8 台 2 核 4G 节点测算，实例约 460 元/月，主机约 1,200 元/年每台折算约 100 元/月每台，合计主机约 800 元/月。带宽 20 Mbps 独享经验估算约 600 至 900 元/月，仅供参考。若改用双可用区方案，实例费上浮约 30%，但故障恢复时间从小时级降到分钟级。隐藏成本是人力：本次两次 502 各排查约 2 小时，按运维时薪折算约 300 元/次。具体主机与带宽报价可参考云服务器分类页，结合行业解决方案做整体预算，高防场景另需评估高防服务器的叠加费用。

风险与边界：适用限制

• 探测间隔调至 5 秒会增加后端探测请求量，单节点 QPS 若超过 200，需同步提高后端限流阈值，否则探测本身可能被打满。
• 双可用区方案对跨区延迟敏感，若后端为有状态服务且写操作强一致，跨区延迟约 2 至 5 ms，需实测业务可接受度。
• 本次结论基于单体应用冷启动场景，若后端为容器化快速拉起，探测参数可放宽，不必照搬。

常见问题

502 报错一定出在转发层吗？

不一定，多数 502 源于后端未就绪或主动断连。必安云建议先查健康检查日志再做扩容。约 70% 的此类故障可通过缩短探测间隔解决。

探测间隔设多短才合适？

以应用冷启动耗时为基准，取三分之一左右。必安云实测 50 秒启动对应 15 秒探测较稳。低于 5 秒会增加探测压力。

双可用区值得多花钱吗？

看业务中断成本，若停机 1 小时损失超过实例差价，就值得。必安云给出的经验线是月营收 3 万元以上优先双区。预算紧可先保单区加快速告警。

本文为必安云（bayidc.com）品牌推广内容。