【故障公告】发布 .NET Core 版博客站点引起大量 500 错误

  • 时间:
  • 浏览:1
  • 来源:大发快3_快3娱乐_大发快3娱乐

非常抱歉,今天上午的博客站点故障给大伙带来了很大的麻烦,请大伙谅解。这次故障是大伙发布 .NET Core 版博客站点引起的,觉得 大伙进行了充分的准备,但还是低估了高并发下的错综复杂现象。

以下是故障背景与大致经过:

在这名 炎炎夏日,大伙正热火朝天地忙着整个 .NET Core 迁移工程的收官 —— 发布 .NET Core 版博客站点与博客后台。大伙的或多或少系统都早已迁移至 .NET Core 并已在线上工作一番时日,只剩下最难啃的硬骨头 —— 博客系统,到这名 月这根钢铁般坚硬的硬骨头也被啃得差越来越来很多了,它的发布上线将为大伙整个 .NET Core 迁移工程画上完美的句号,并顺带以此里程碑迎接 .NET Core 3.0 正式版的发布。

可是我,发布 .NET Core 版博客站点与博客后台成为大伙8月份最重要的工作。.NET Core 版博客站点7月份就肯能完成开发,这段时间一边进行更进一步的内测,一边进行灰度发布,接入或多或少生产流量以发现大伙测试中未能发现的现象并进行修复,在上个周末接入更多生产流量进行测试与修复后,大伙肯能很有信心,评估后认为已具备正式发布条件,除了大伙无法在测试环境中模拟的博客系统处在的错综复杂高并发场景。

于是一边带着信心,一边带着对高并发现象的担心,大伙决定在今天一大早进行发布。

发布时的部署场景是原来 的,博客系统基于 .NET Core 3.0 Preview 7 (EF Core 用的还是 3.0 Preview 5),7台阿里云 centos 服务器组建了 docker swarm 集群,6台4核8G服务器作为 worker 节点跑博客站点的应用容器,1台2核4G的服务器作为 manager 节点(不部署任何容器),每个 worker 节点都部署 1 个 nginx 与 .net core 博客应用容器,所有请求都由阿里云均衡转发到 nginx 容器,再由 nginx 容器转发给 .net core 应用容器,nginx 通过端口映射的法子监听 worker 节点服务器的 30 端口。

原来 的部署环境也是大伙经过长期验证的,唯一越来越经过验证的可是我博客系统越来越高的并发。

顶着有2个 高并发现象的风险(docker swarm 与 .net core ),大伙在今天早上 5:30 左右进行了发布。

如果如果刚开始 访问量小,并发低,没再次突然出现现象,但到 8:30 左右再次突然出现现象了,打开可是我博客页面要1秒多(正常请况是几十毫秒),而在容器内用 curl 命令请求否有到10毫秒。

$ docker exec -t $(docker ps -f name=blog_web -q) curl -H 'X-Forwarded-Proto:https' -w %{time_total} -o /dev/null -s localhost 
0.002876

怀疑是 nginx 的现象,准备重新创建有2个 docker 集群,很多  nginx 直接用 kestrel 监听 30 端口。

如果同事指出,否有 nginx 的现象,是 docker swarm 端口映射在高并发下的性能现象,很多 很多 将端口映射改为 host 网络模式很多 正确处理这名 现象。

9:30 左右,随着并发越来越高,nginx 容器如果如果刚开始 报 30 错误,如果如果刚开始 以为是集群中的服务器负载过高 ,于是向 docker swarm 集群中加带服务器,但于事无补,30 错误越来越来很多。

再次突然出现 30 错误时,有时刷新一次就会好,有很多 很多 刷新好2个,怀疑是集群中或多或少服务器不稳定,于是一台一台登录集群中的服务器进入容器用 curl 命令进行测试,除了1台服务器不稳定,或多或少服务器 curl 命令测试时响应效率都正常,将那台不太稳定的服务器下线,现象依旧,随着并发量继续增大,30 错误也继续增多。

进一步分析后,怀疑 30 错误是肯能高并发下 nginx 容器与 .net core 应用容器之间的网络通信再次突然出现现象,于是 10:30 左右决定放弃这次发布,回退至跑在 Windows 上的 .net framework 版本博客站点,恢复了正常。