【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

非常抱歉,今天上午的博客站点故障给朋友带来了很大的麻烦,请朋友谅解。这次故障是朋友发布 .NET Core 版博客站点引起的,真是朋友进行了充分的准备,但还是低估了高并发下的僵化 问题报告 报告 。

以下是故障背景与大致经过:

在这种 炎炎夏日,朋友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。朋友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,到这种 月这根钢铁般坚硬的硬骨头也被啃得差很多了,它的发布上线将为朋友整个 .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。

而是我,发布 .NET Core 版博客站点与博客后台成为朋友8月份最重要的工作。.NET Core 版博客站点7月份就将会完成开发,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朋友测试中未能发现的问题报告 报告 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,朋友将会很有信心,评估后认为已具备正式发布条件,除了朋友无法在测试环境中模拟的博客系统指在的僵化 高并发场景。

于是一边带着信心,一边带着对高并发问题报告 报告 的担心,朋友决定在今天一大早进行发布。

发布时的部署场景是一一两个多的,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 通过端口映射的法律依据 监听 worker 节点服务器的 200 端口。

一一两个多的部署环境也是朋友经过长期验证的,唯一没有经过验证的而是我博客系统没有高的并发。

顶着一一两个高并发问题报告 报告 的风险(docker swarm 与 .net core ),朋友在今天早上 5:200 左右进行了发布。

开始英文访问量小,并发低,没出显问题报告 报告 ,但到 8:200 左右出显问题报告 报告 了,打开而是我博客页面要1秒多(正常状态是几十毫秒),而在容器内用 curl 命令请求前会 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 的问题报告 报告 ,准备重新创建一一两个 docker 集群,不想  nginx 直接用 kestrel 监听 200 端口。

刚刚同事指出,前会 nginx 的问题报告 报告 ,是 docker swarm 端口映射在高并发下的性能问题报告 报告 ,只有将端口映射改为 host 网络模式也能出理 这种 问题报告 报告 。

9:200 左右,随着并发没有高,nginx 容器开始英文报 2000 错误,开始英文以为是集群中的服务器负载匮乏,于是向 docker swarm 集群中上加服务器,但于事无补,2000 错误很多。

出显 2000 错误时,有时刷新一次就会好,有时需刷新好几个,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 命令测试时响应速率单位单位 都正常,将那台不太稳定的服务器下线,问题报告 报告 依旧,随着并发量继续增大,2000 错误也继续增多。

进一步分析后,怀疑 2000 错误是将会高并发下 nginx 容器与 .net core 应用容器之间的网络通信出显问题报告 报告 ,于是 10:200 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。