webcdn故障处理一例-白红宇

一段时间之前处理的webcdn故障一例，写下来记录下。

大规模计算网络WebCDN用于解决大网互连互通,降低源站复杂性及压力,性能方面,提高大用户访问量的网页速度体验方面,有非常好的效果.WebCDN本身的稳定性也决定了大用户请求网页的. 然而加速网页中某1-2个网页设计不合理或加速某个源站中某个元素缺失的,也很可能形成WebCDN雪崩产生,进来全面影响WebCDN整体加速的.本文以最近发生的WebCDN流量及QOS异常为例,分享一下故障排查过程,RC等经验.

现象:

QOS第三方监测数据发现:网站首页首屏时间 ,网站首页总下载时间飚升;

监控系统发现:WEBCDN流量大涨及连接数飚升;

取某个WEBCDN节点的机器，分析其上6.1-6.6号的nginx日志：

总体请求数：

for i in `find . -type f -name "*-20-05.log.gz"`;do a=`zcat $i|wc -l`;echo "$i $a";done|sort

./2012-06-01-20-05.log.gz 635220

./2012-06-02-20-05.log.gz 562762

./2012-06-03-20-05.log.gz 584111

./2012-06-04-20-05.log.gz 609735

./2012-06-05-20-05.log.gz 682701

./2012-06-06-20-05.log.gz 1011371

整体请求数有所上升

查看集中的url访问：

for i in `find . -type f -name "*-20-05.log.gz"`;do echo "$i `zcat $i| '{a[$2]++}END{for(i in a) print i,a[i],a[i]/NR}'|sort -k2 -nr|head -1`";done|sort

./2012-06-01-20-05.log.gz img1.5iops.com 157730 0.248308

./2012-06-02-20-05.log.gz img1.5iops.com 133432 0.237102

./2012-06-03-20-05.log.gz img1.5iops.com 130054 0.222653

./2012-06-04-20-05.log.gz img1.5iops.com 130020 0.21324

./2012-06-05-20-05.log.gz img1.5iops.com 177065 0.25936

./2012-06-06-20-05.log.gz focus.5iops.com 335022 0.331255 #focus的域名访问暂所有请求的33%

分析1号—6号的focus的访问情况，发现6.6号访问的比例较之前增加了30倍。

for i in `find . -type f -name "*-20-05.log.gz"`;do echo "$i `zcat $i|sed 's/"//g'| '{if($2=="focus.5iops.com")a++}END{print a/NR}'`";done|sort

./2012-06-01-20-05.log.gz 0.0223383

./2012-06-02-20-05.log.gz 0.0173695

./2012-06-03-20-05.log.gz 0.0175429

./2012-06-04-20-05.log.gz 0.0200989

./2012-06-05-20-05.log.gz 0.0186056

./2012-06-06-20-05.log.gz 0.332346

而这些focus的访问中499和404占了很多：

zcat 2012-06-06-20-05.log.gz |awk '{if($2=="focus.5iops.com") print $0}'|awk '{a[$9]++}END{for(i in a)print i,a[i]}'

408 15

200 11605

400 84

500 628

502 5

304 1

404 54957

504 4

499 273572

其中30W的访问集中在两个图片上，这个是由于源站程序存在问题导致。

zcat 2012-06-06-20-05.log.gz |awk '{if($2=="focus.5iops.com") print $7}'|sort |uniq -c|sort -nr

190259 /subject/meirong120606new/img/nav_a.png

103553 /subject/meirong120606new/img/nav_b.png

18748 /subject/meirong120606old/img/nav_a.png

16682 /subject/meirong120606old/img/nav_b.png

大量的4xx的访问导致squid不能正常缓存，而尝试去backup server，造成另外的机器incoming的流量增加

当尝试失败后，又去源站进行请求，由于一直不能正常缓存，造成大量的重复的链接不能正常释放，造成ss的连接数大量上升，同时squid的命中率下降

Ss 结果

Mem命中率：

查看页面的调用情况：

在页面的代码调用中，有个css样式(.Nav)调用了这2个不存在的图片，而调用这个样式图片的是<li>标签，单个页面中存在多<li>标签及循环调用,即每1次对此页面请求会产生大量对WEBCDN的非缓存的404请求。

在21:30左右修复了这个问题，同时webcdn恢复正常

总结：

1.利用好webcdn的状态码和增加报警

2.源站要尽可能保证元素正确且存在，非正常的状态码在webcdn不能被缓存，就会造成重复的回源，影响webcdn性能。

本文转自菜菜光 51CTO博客，原文链接：http://blog.51cto.com/caiguangguang/932346，如需转载请自行联系原作者