【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电脑版_大发快3电脑版

非常抱歉,今天上午的博客站点故障给我们都都带来了很大的麻烦,请我们都都谅解。这次故障是我们都都发布 .NET Core 版博客站点引起的,好的反义词我们都都进行了充分的准备,但还是低估了高并发下的复杂化疑问。

以下是故障背景与大致经过:

在你是什么 炎炎夏日,我们都都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。我们都都的一点系统都早已迁移至 .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,到你是什么 月这根钢铁般坚硬的硬骨头也被啃得差没法来过多了,它的发布上线将为我们都都整个 .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。

所以,发布 .NET Core 版博客站点与博客后台成为我们都都8月份最重要的工作。.NET Core 版博客站点7月份就由于完成开发,这段时间一边进行更进一步的内测,一边进行灰度发布,接入一点生产流量以发现我们都都测试中未能发现的疑问并进行修复,在上个周末接入更多生产流量进行测试与修复后,我们都都由于很有信心,评估后认为已具备正式发布条件,除了我们都都无法在测试环境中模拟的博客系统处在的复杂化高并发场景。

于是一边带着信心,一边带着对高并发疑问的担心,我们都都决定在今天一大早进行发布。

发布时的部署场景是原本的,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 通过端口映射的最好的依据监听 worker 节点服务器的 100 端口。

原本的部署环境也是我们都都经过长期验证的,唯一没法经过验证的要是博客系统没法高的并发。

顶着原本高并发疑问的风险(docker swarm 与 .net core ),我们都都在今天早上 5:100 左右进行了发布。

开始英语 英语 访问量小,并发低,没出现疑问,但到 8:100 左右出现疑问了,打开所以博客页面要1秒多(正常情况是几十毫秒),而在容器内用 curl 命令请求后会到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 的疑问,准备重新创建原本 docker 集群,不用  nginx 直接用 kestrel 监听 100 端口。

以后同事指出,后会 nginx 的疑问,是 docker swarm 端口映射在高并发下的性能疑问,只有将端口映射改为 host 网络模式并能防止你是什么 疑问。

9:100 左右,随着并发没法高,nginx 容器开始英语 英语 报 100 错误,开始英语 英语 以为是集群中的服务器负载欠缺,于是向 docker swarm 集群中再加服务器,但于事无补,100 错误没法来过多。

出现 100 错误时,有时刷新一次就会好,有时需刷新好几条,怀疑是集群中一点服务器不稳定,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,一点服务器 curl 命令测试时响应带宽都正常,将那台不太稳定的服务器下线,疑问依旧,随着并发量继续增大,100 错误也继续增多。

进一步分析后,怀疑 100 错误由于高并发下 nginx 容器与 .net core 应用容器之间的网络通信出现疑问,于是 10:100 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。