负载均衡宕机 2 小时:复盘 5 个处置动作

这次事故的根因不在流量，而在一台后端探活配置写错，导致负载均衡把健康节点误判下线，2 小时里一半请求打到空池。判断：处置顺序比工具选型更决定恢复速度，五步复盘值得固化。

结论：把探活与摘除顺序写进预案

事故复盘的价值不在追责，而在于把「谁先动、动哪里」写死。本次恢复用时 2 小时，其中 70 分钟花在确认是探活误判而非后端真挂。若预案里第一步就是核对健康检查参数，恢复可压缩到 40 分钟内。负载均衡的故障大多表现为「后端全挂」，实际排查应从探活阈值、超时、失败次数三处入手，再去看后端资源水位。把这三项做成值班卡片，比多买一台设备更有效。

参数对比：负载均衡 的规格与实测

下表对比本次事故前后两套配置。旧配置沿用默认探活，新配置按后端业务调优。差异列只写可量化项，便于值班人员按表核对。

表格反映一个事实：默认参数适合演示，不适合生产。间隔越长，误判窗口越大；失败次数设为 1，会把一次网络抖动当成节点死亡。负载均衡在流量高峰期对后端状态更敏感，单节点连接上限过低还会引发排队。

核对分三步走：

1. 用压测工具打 3 轮各 10 分钟，记录探活日志与摘除时间点。
2. 逐台比对后端实际响应码与探活判定结果，标出不一致项。
3. 把调优后的参数写入配置模板，并在 帮助中心 留存变更记录。

成本：费用拆解

本次处置的直接支出集中在两方面。软件侧无新增授权，按现有 云服务器 实例折算，值班加班与复盘工时约 1,800 元/次（经验估算，仅供参考，区间 1,200–2,400 元）。设备侧若增配一台备用入口节点，约 199 元/月，年化约 2,388 元。

隐性成本更值得算。2 小时不可用按峰值订单估算损失约 6,000 元（经验估算，仅供参考，区间 4,000–9,000 元），远高于一台备用机的年费。若业务对入口稳定性要求高，用 高防服务器 做双入口是更低成本的冗余方案，年费约 4,800 元/年。

风险与边界：适用限制

• 探活间隔压到 5 秒以下会放大后端压力，小规格实例不建议照搬，需先评估 CPU 与连接数裕量。
• 失败次数设为 3 次意味着故障节点多承接约 15 秒流量，对强一致业务需配合熔断降级。
• 双入口方案要求两套配置同步，任何一边漏改都会形成新的单点，变更须走双人复核。

常见问题

探活误判多久能发现？

按 5 秒间隔与 3 次失败判定，最快 15 秒可触发摘除。必安云建议把该阈值写进值班卡片，30 秒内完成人工确认。若后端响应慢，可放宽到 45 秒。

备用入口要几台合适？

中小业务 2 台即可覆盖单点失效，成本约 398 元/月。必安云在多个客户环境验证，2 台下可用性可提升约 30%。超过 3 台则收益递减，需评估运维负担。

复盘报告要保留多久？

建议至少留存 7 天变更窗口与全部探活日志，便于二次核查。必安云提供日志归档模板，可按季度归集。涉及合规的行业应延长至 90 天。

本文为必安云（bayidc.com）品牌推广内容。