接入网关高可用架构设计,关键不是“部署了两台”,而是确认任一节点、链路或依赖故障时,请求能否按预期继续处理。可用架构常见的盲区是:探活显示正常,实际业务却已失败;备用节点在线,接管流量后却因容量不足而过载。下面六项检查适用于不同规模和行业的接入服务。
一、先找出网关之外的单点
多台网关如果共用同一台负载均衡设备、同一个配置分发服务或同一条出口链路,故障仍可能同时影响所有节点。检查时从客户端入口向后逐层画出依赖关系,并标注每项依赖的实例数、故障域和恢复方式。
- 列出入口解析、流量分配、证书与密钥分发、身份验证、限流存储等实际依赖。
- 确认关键依赖是否跨主机、机架或可用区部署;不能冗余的依赖要明确降级策略。
- 分别模拟单节点和单故障域不可用,检查是否仍有可用请求路径。
高可用不等于所有组件都做成双份,而是要知道哪个环节失效会扩大为全局中断。
二、检查健康检查是否代表真实业务
只确认进程存活,无法发现线程池耗尽、证书异常或后端连接不可用。健康检查应区分存活检查与就绪检查:前者判断进程是否运行,后者判断节点是否具备接流量的条件。
把检查做成可操作的门槛
- 为关键业务设计轻量就绪探测,覆盖必要依赖,但避免探测本身造成额外负载。
- 设置连续失败次数和恢复成功次数;具体间隔按业务容忍时间、节点规模和误报情况调整。
- 确认摘除与重新加入都可观测,并检查探测失败时是否会误摘全部节点。
健康检查结果应与真实请求错误、队列积压等信号交叉验证,而不是单独作为切流依据。
三、厘清流量切换和会话影响
主动—主动模式可让多个节点同时承载流量,但要处理负载分配和状态共享;主动—备用模式切换逻辑相对清晰,却可能闲置容量,且备用节点未必经历真实负载。两种方式没有绝对优劣,选择取决于状态管理、切换目标和运维能力。
检查接入网关高可用架构设计时,应记录节点摘除后流量如何重新分配、已有长连接如何处理,以及会话保持是否依赖单节点内存。若连接必须重建,需确认客户端重试策略不会形成重试风暴。演练中记录故障发生、检测、摘除和业务恢复各阶段时间,并区分新请求与已有连接。
四、验证故障后的剩余容量
正常运行时每台节点都有余量,不代表少一台仍能承载峰值。以压测或历史峰值为依据,模拟一台及一个故障域退出,观察 CPU、内存、连接数、队列和下游负载。容量余量需结合流量波动和扩容时间确定,不能套用固定比例。
还要检查保护机制:限流、熔断或排队应在资源耗尽前发挥作用,且策略不会把所有请求一并拒绝。切换后的下游压力可能上升,应纳入验收。
五、排查节点配置漂移
网关节点的路由规则、超时、证书版本和安全策略若不一致,流量切换可能把用户送到行为不同的节点。用版本化配置记录变更,发布前比较目标节点配置,并在发布后抽查生效状态。NGINX、Envoy、HAProxy等实现的配置与热加载方式不同,应依据实际部署方式验证,而非假设重载必然无中断。
六、把回切纳入故障演练
故障转移成功不代表恢复完成。故障节点修复后立即接流量,可能再次触发问题;长期不回切,也可能让备用路径的配置逐渐过期。接入网关高可用架构设计应规定回切条件、审批责任和观察方式。
- 在隔离环境或维护窗口中,依次演练单节点退出、入口切换、节点恢复和回切。
- 每一步记录流量分布、错误、资源变化及告警是否准确。
- 只有确认故障原因消除、配置一致且节点预热完成后,才分批恢复流量;出现异常立即停止并回退。
将演练结果、未覆盖风险和负责人写入变更记录,下一次配置或拓扑调整后重新验证。这样,接入网关高可用架构设计才有可检查、可复现的验收依据。
常见问题
两台网关就能避免单点吗?
不能。还需检查入口设备、共享依赖、供电与网络故障域,以及切换路径是否真实可用。
健康检查越频繁越好吗?
不一定。过于频繁可能增加探测负担或放大短暂抖动,应根据故障容忍时间和误报情况调整。
主动—主动和主动—备用怎么选?
状态可外置、节点容量和运维流程成熟时,可评估主动—主动;更重视切换逻辑简单、能接受备用资源闲置时,可评估主动—备用。最终应以故障演练验证。