Nginx 与 Keepalived 实现分布式服务的高可用支撑

Nginx与Keepalived高可用需构建“可感知、可响应、可收敛”闭环：健康检查须穿透业务层，切换逻辑需权重+时间窗防抖动，配置与资源必须严格同步，验证须覆盖端到端故障链路。

要让 Nginx 与 Keepalived 真正支撑起分布式服务的高可用，关键不是堆机器，而是构建一套“可感知、可响应、可收敛”的闭环机制。它不单是 VIP 漂移，而是把服务健康状态、网络连通性、配置一致性、切换行为全部纳入可控范围。

健康检查必须穿透到业务层

只检测 Nginx 进程是否存活远远不够——进程在，但 upstream 全挂、SSL 加载失败、location 配置被误删，用户照样打不开报表或登录页。真实可用性检查得层层递进：

1. 确认主进程存在且有权限：kill -0 $(cat /var/run/nginx.pid 2>/dev/null)
2. 验证监听端口真实生效：ss -tln | grep -q ':443$'（别只查 80）
3. 发起轻量级 HTTP 探针：curl -f http://127.0.0.1/healthz -s -o /dev/null -w '%{http_code}'，需在 Nginx 中明确定义 location /healthz { return 200; }
4. 脚本统一返回 exit 0 表示健康，非 0 触发降权，Keepalived 才会真正“信”

Keepalived 切换逻辑要可量化、防抖动

切换不是靠“感觉”，而是靠权重变化和时间窗口双重约束：

1. 主节点 priority 100，备节点 priority 90，差值设为 5～10，留出缓冲空间
2. vrrp_script 中 weight -5 + interval 2 + timeout 3，确保两次失败才触发降权，避免瞬时卡顿误判
3. 启用 preempt_delay 30，主恢复后等待半分钟再尝试抢主，防止网络抖动引发反复切换
4. virtual_router_id 和 auth_pass 主备必须完全一致，否则 VRRP 报文根本收不到

接管后行为必须零差异

VIP 漂过去只是第一步，备机能否无缝承接，取决于配置与资源是否同步：

1. Nginx 配置文件（nginx.conf 及 include 的所有子配置）需用 rsync 或 Ansible 定期同步，禁止手工修改备机
2. SSL 证书路径、私钥权限、静态资源目录（如 BI 前端 dist 包）必须完全一致，建议统一挂载 NFS 或对象存储
3. 启用 notify_master 和 notify_backup 脚本，在角色变更时自动 reload Nginx、清理本地缓存、推送告警
4. 所有日志路径、PID 文件位置、user/group 设置保持一致，避免启动失败

验证必须模拟真实故障链路

不能只 ping VIP 或看 ip addr，要走通端到端请求流：

1. 用 kill -9 $(cat /var/run/nginx.pid) 强制终止主节点 Nginx，观察 VIP 是否 3 秒内出现在备机 ip addr 输出中
2. 同时运行持续探测：while true; do curl -s -w "%{http_code}n" http://VIP/healthz; sleep 0.5; done，确认 HTTP 状态码从 000 → 502 → 200 的完整过渡
3. 检查备机 Nginx error.log 是否有 upstream timeout、connect refused 等残留错误，说明后端服务未同步就绪
4. 用 tcpdump 抓包验证：VIP 切换后，客户端 SYN 包是否准确到达备机 eth0，而非被 ARP 缓存误导