一次網站負載排查記錄
某天早上9.39分,nagios監控突然報警,我們一臺手機業務機器出現負載升高,達到60多,這臺機器僅8核心8G內存,伴隨其他監控出現socket timeout,連接失敗。一看該問題就會想到會嚴重影響業務,並且問題肯定會進行擴散,影響其他業務。不出所料,沒到10分鐘,其他同業務機器出現大面積報警,nginx出現端口鏈接超時,各種狀態碼監控失效.......
這種問題,不及時處理的話,客戶那邊的投訴會很快打進來的。
排查:
1、先排查負載高的具體進程
通過top -c -d 1,查看當前有那些進行占用CPU比較高。,由於機器負載已經很高,中間通過堡壘機登錄花費了好幾分鐘的時間,差點就想把機器重啟了,時間等不及呀。
top - 09:39:13 up 824 days, 9:39, 4 users, load average: 4.65, 6.32, 8.26 Tasks: 854 total, 5 running, 849 sleeping, 0 stopped, 0 zombie Cpu(s): 52.4%us, 19.6%sy, 0.0%ni, 25.7%id, 0.2%wa, 0.1%hi, 1.9%si, 0.1%st Mem: 8058948k total, 7111024k used, 947924k free, 55588k buffers Swap: 8191992k total, 1906460k used, 6285532k free, 2126436k cached PID USER PR NI VIRT RES SHR S %CPU %MEM TIME+ COMMAND 19380 nobody 20 0 87800 32m 1700 R 18.3 0.4 87:25.36 nginx: worker process 19377 nobody 20 0 87512 32m 1704 S 18.9 0.4 87:56.77 nginx: worker process 19383 nobody 20 0 87788 32m 1700 S 13.3 0.4 88:46.35 nginx: worker process 19382 nobody 20 0 87584 32m 1700 S18.6 0.4 86:51.17 nginx: worker process 19379 nobody 20 0 87364 32m 1700 S 24.8 0.4 89:36.12 nginx: worker process 19381 nobody 20 0 87964 32m 1700 S 31.0 0.4 90:51.07 nginx: worker process 19378 nobody 20 0 88144 32m 1700 R 09.2 0.4 90:24.09 nginx: worker process 19376 nobody 20 0 87760 32m 1704 S 03.5 0.4 89:19.43 nginx: worker process 354 XXXXX 20 0 444m 21m 5828 R 3.8 0.3 13:09.36 douDiZhuServerWorker_0 392 XXXXX 20 0 442m 20m 5084 S 2.8 0.3 5:20.78 douDiZhuServerWorker_22 32655 XXXXX 20 0 2802m 14m 2248 S 2.8 0.2 10:31.01 douDiZhuServerMaster 356 XXXXX 20 0 443m 18m 4564 R 1.9 0.2 5:16.02 douDiZhuServerWorker_1 358 XXXXX 20 0 442m 18m 4560 S 1.9 0.2 5:18.09 douDiZhuServerWorker_2 369 XXXXX 20 0 445m 22m 4552 S 1.9 0.3 5:29.04 douDiZhuServerWorker_9 373 XXXXX 20 0 443m 21m 4532 S 1.9 0.3 5:16.98 douDiZhuServerWorker_11 376 XXXXX 20 0 443m 21m 4568 S 1.9 0.3 5:12.60 douDiZhuServerWorker_13 383 XXXXX 20 0 444m 18m 4564 S 1.9 0.2 5:21.64 douDiZhuServerWorker_17 387 XXXXX 20 0 442m 20m 4556 S 1.9 0.3 5:20.62 douDiZhuServerWorker_20 388 XXXXX 20 0 444m 19m 4564 S 1.9 0.2 5:15.17 douDiZhuServerWorker_21 400 XXXXX 20 0 443m 21m 4576 S 1.9 0.3 5:09.63 douDiZhuServerWorker_28
2、立刻排查占用IO較高的進程
通過iotop命令排查有那些進程占用IO較高的,一般占用IO較高的,否會伴隨負載升高,同時在排查占用負載高的時候,也要註意內存的使用和swap的使用,基本上swap被使用了,會伴隨IO迅速升高,最終會導致負載上來。
通過IO排查,發現有rsync,nginx進行占用IO很高,問題基本定位在rsync上,因為從命令上一看就是用於同步數據的,只用同步數據,就要涉及到硬盤讀寫,這樣硬盤的IO就會升高,nginx進程占用IO基本排除在外,多數都是被rsync影響的。
Total DISK READ: 16.52 K/s | Total DISK WRITE: 95.80 K/s TID PRIO USER DISK READ DISK WRITE SWAPIN IO> COMMAND 12420 be/4 root 3.30 K/s 0.00 B/s 0.00 % 2.67 % [flush-8:0] 14203 be/4XXXXX 0.00 B/s 76.51 K/s 0.00 % 99.99 % rsync --server -svlogDtprze.iLs 9999 be/4 root 0.00 B/s 3.48 K/s 0.00 % 99.99 % [kswapd0] 14092 be/4XXXXX 10.43 K/s 0.00 B/s 0.00 % 99.99 % rsync --server -svlogDtprze.iLs 14252 be/4 nagios 358.22 K/s 0.00 B/s 0.00 % 90.98 % expr 8191992 - 6286700 26729 be/4 nobody 24.34 K/s 31.30 K/s 0.00 % 86.79 % nginx: worker process 14143 be/4XXXXX 24.34 K/s 0.00 B/s 0.00 % 85.31 % rsync --server -svlogDtprze.iLs 26731 be/4 nobody 17.39 K/s 38.26 K/s 0.00 % 85.23 % nginx: worker process 26727 be/4 nobody 6.96 K/s 52.17 K/s 0.00 % 85.22 % nginx: worker process 705 be/4 nobody 6.96 K/s 0.00 B/s 0.00 % 77.00 % php-fpm: pool www 12797 be/4 nobody 0.00 B/s 0.00 B/s 0.00 % 75.87 % php-fpm: pool www 26728 be/4 nobody 24.34 K/s 62.60 K/s 0.00 % 59.75 % nginx: worker process 26733 be/4 nobody 27.82 K/s 62.60 K/s 0.00 % 58.20 % nginx: worker process 353 be/4XXXXX 0.00 B/s 6.61 K/s 0.00 % 0.00 % douDiZhuServerTasker_7 354 be/4XXXXX 0.00 B/s 3.30 K/s 0.00 % 0.00 % douDiZhuServerWorker_0 358 be/4XXXXX 0.00 B/s 6.61 K/s 0.00 % 0.00 % douDiZhuServerWorker_2 360 be/4XXXXX 0.00 B/s 3.30 K/s 0.00 % 0.00 % douDiZhuServerWorker_3 361 be/4XXXXX 0.00 B/s 3.30 K/s 0.00 % 0.00 % douDiZhuServerWorker_4
3、追蹤進程與業務方對接
在上面的排查中,把方向定位在rsync這個命令上,我是不知道這個進程具體是做什麽的,所以直接和業務方(開發)對接,這個進程具體是幹什麽用。
具體和業務方對接的情況如下:
該腳本確是用來同步數據用的,腳本是根據其他業務方有新生成的數據就將新數據同步過來,該業務方要用到最新的數據。因此,這個腳本是個常駐腳本,每分鐘都是運行的。
按照正常業務邏輯上,如果真的是該腳本出問題了,那該腳本應該早就出現類似現象了,不應該是只有今天出現,並且該腳本部署在同業務的多臺機器上,目前是只有該機器出問題的。邏輯上是不通的。
不死心的態度,判斷該腳本是否出現了異常,比如說在某一分鐘內,其他業務方產生的新數據庫過多,這邊要同步的數據量過大導致的,為驗證這個想法,專門和開發提取 出該腳本近10天的同步數據量,然並未發現那個時間段出現數據量過大的情況,反而在報警的時間段內同步的數據變少了,這就尷尬了
開發立刻掉頭和我說,你機器影響我業務了......................
為了不當背鍋俠,得繼續查原因呀。
4、思考
整個問題的排查都是比較直觀的,直接在報警的時間段內,檢查排查,得到的都是線上一手數據,不可能出錯,肯定是自己遺漏了那些內容。 想要找到遺漏的內容,要麽重新負載重現,要麽將歷史數據拿出來,再次仔細的排查一遍。
尋找數據的規律,尋找報警異常的源頭永遠都是排查問題的重要手段及方向。
5、排查歷史數據
因為線上出現問題,晚上一般無法做到立刻排查問題,或為了記錄一些短暫性報警的實時狀態,做了一個top腳本,將top、iotop等命令讓其每分鐘都執行,記錄在文件中,方便查看歷史狀態。
我們報警是連續三分鐘達到閾值才會報警,報警時間是在9點39分,那麽實際出現問題的時間是在37分就開始了
排查歷史記錄發現,負載呈現上升趨勢,是從36分開始增長的,因此問題的著重點要排查在36分之前出現過什麽腳本在執行,36分又出現了什麽新腳本在執行,或36分前後的異常對比
(1)每分鐘的負載值
top - 09:32:02 up 824 days, 4:35, 1 user, load average: 7.32, 5.57, 3.50
top - 09:33:03 up 824 days, 4:36, 1 user, load average: 5.58, 5.47, 3.60
top - 09:34:02 up 824 days, 4:37, 1 user, load average: 5.81, 5.65, 3.78
top - 09:35:03 up 824 days, 4:38, 1 user, load average: 6.44, 5.84, 3.96
top - 09:36:03 up 824 days, 4:39, 1 user, load average: 14.31, 8.58, 5.04
top - 09:36:14 up 824 days, 4:39, 1 user, load average: 17.07, 9.36, 5.33
top - 09:37:03 up 824 days, 4:40, 1 user, load average: 26.44, 13.17, 6.84
top - 09:37:14 up 824 days, 4:40, 1 user, load average: 38.21, 16.13, 7.87
top - 09:37:39 up 824 days, 4:41, 1 user, load average: 56.97, 22.84, 10.37
top - 09:37:49 up 824 days, 4:41, 1 user, load average: 58.90, 24.39, 11.00
top - 09:37:57 up 824 days, 4:41, 1 user, load average: 57.39, 24.65, 11.16
top - 09:38:05 up 824 days, 4:41, 1 user, load average: 58.57, 25.94, 11.72
top - 09:38:06 up 824 days, 4:41, 1 user, load average: 58.57, 25.94, 11.72
top - 09:38:14 up 824 days, 4:41, 1 user, load average: 65.09, 28.41, 12.68
top - 09:38:23 up 824 days, 4:41, 2 users, load average: 67.81, 29.58, 13.14
top - 09:38:32 up 824 days, 4:42, 2 users, load average: 73.38, 32.03, 14.11
top - 09:38:37 up 824 days, 4:42, 2 users, load average: 76.15, 33.29, 14.62
top - 09:38:45 up 824 days, 4:42, 2 users, load average: 79.35, 35.39, 15.50
top - 09:38:51 up 824 days, 4:42, 2 users, load average: 82.12, 36.69, 16.03
top - 09:39:00 up 824 days, 4:42, 3 users, load average: 87.10, 39.25, 17.08
top - 09:39:03 up 824 days, 4:42, 3 users, load average: 87.10, 39.25, 17.08
top - 09:39:13 up 824 days, 4:42, 3 users, load average: 99.87, 43.56, 18.72
top - 09:39:24 up 824 days, 4:42, 3 users, load average: 111.69, 47.94, 20.41
top - 09:39:33 up 824 days, 4:43, 3 users, load average: 104.74, 48.55, 20.90
(2)33分的狀態
為什麽這裏只放nginx占用資源的狀態呢,因為我已經發現它的異常,其他無異常的就不粘貼了,從nginx的占用CPU資源上可以看出,從33分開始到報警一直都是呈現占用CPU資源的增長狀態
26726 nobody 20 0 88296 32m 1820 S 35.8 0.4 17:52.92 nginx: worker process
26730 nobody 20 0 88428 33m 1820 R 34.1 0.4 16:58.21 nginx: worker process
26731 nobody 20 0 88692 33m 1820 S 27.6 0.4 17:34.17 nginx: worker process
26733 nobody 20 0 88600 33m 1820 R 27.6 0.4 17:00.97 nginx: worker process
26729 nobody 20 0 88824 33m 1820 S 26.0 0.4 17:25.51 nginx: worker process
26728 nobody 20 0 88612 33m 1820 S 24.4 0.4 16:09.17 nginx: worker process
(3)34分的狀態
26727 nobody 20 0 88828 33m 1820 R 55.8 0.4 17:14.88 nginx: worker process
26730 nobody 20 0 88428 33m 1820 R 46.7 0.4 16:34.33 nginx: worker process
26733 nobody 20 0 88600 33m 1820 R 42.2 0.4 16:36.15 nginx: worker process
26728 nobody 20 0 88612 33m 1820 R 40.7 0.4 15:40.15 nginx: worker process
26729 nobody 20 0 88824 33m 1820 R 40.7 0.4 16:48.89 nginx: worker process
26731 nobody 20 0 88948 33m 1820 R 37.7 0.4 17:00.28 nginx: worker process
26726 nobody 20 0 88172 32m 1820 R 36.2 0.4 17:25.98 nginx: worker process
(4)35分的狀態
26730 nobody 20 0 88816 33m 1816 D 57.0 0.4 17:34.14 nginx: worker process
26731 nobody 20 0 88696 33m 1816 D 52.6 0.4 18:04.44 nginx: worker process
26726 nobody 20 0 88556 33m 1816 D 48.7 0.4 18:24.47 nginx: worker process
26727 nobody 20 0 88824 33m 1816 D 46.9 0.4 18:11.50 nginx: worker process
26729 nobody 20 0 88828 33m 1816 D 46.7 0.4 17:54.94 nginx: worker process
26733 nobody 20 0 88604 33m 1816 D 46.7 0.4 17:36.34 nginx: worker process
26728 nobody 20 0 88616 33m 1816 D 33.8 0.4 16:36.52 nginx: worker process
26732 nobody 20 0 88232 32m 1816 D 32.3 0.4 17:50.30 nginx: worker process
(5)36分狀態
26732 nobody 20 0 88672 33m 1720 R 80.4 0.4 18:19.66 nginx: worker process
26733 nobody 20 0 88728 33m 1720 R 77.5 0.4 18:01.45 nginx: worker process
26728 nobody 20 0 88612 33m 1720 D 53.9 0.4 16:58.75 nginx: worker process
26727 nobody 20 0 88824 33m 1720 D 44.3 0.4 18:41.69 nginx: worker process
26731 nobody 20 0 88692 33m 1720 D 44.3 0.4 18:31.20 nginx: worker process
(6)Nginx占用IO情況
09:35:12 5362 be/4 nobody 19.68 K/s 0.00 B/s 0.00 % 55.10 % php-fpm: pool www
09:35:12 26728 be/4 nobody 49.19 K/s 85.26 K/s 0.00 % 55.08 % nginx: worker process
09:35:12 26726 be/4 nobody 72.14 K/s 75.42 K/s 0.00 % 49.69 % nginx: worker process
09:35:12 4967 be/4 nobody 52.47 K/s 0.00 B/s 0.00 % 37.95 % php-fpm: pool www
09:35:12 26729 be/4 nobody 36.07 K/s 98.38 K/s 0.00 % 35.19 % nginx: worker process
09:35:12 12241 be/4 nobody 0.00 B/s 0.00 B/s 0.00 % 29.30 % php-fpm: pool www
09:35:12 26731 be/4 nobody 62.31 K/s 108.22 K/s 0.00 % 28.04 % nginx: worker process
09:35:12 26732 be/4 nobody 118.05 K/s 190.20 K/s 0.00 % 26.66 % nginx: worker process
09:35:12 24799 be/4 nobody 6.56 K/s 0.00 B/s 0.00 % 24.03 % php-fpm: pool www
09:35:12 11119 be/4 nobody 0.00 B/s 0.00 B/s 0.00 % 23.47 % php-fpm: pool www
09:35:12 26733 be/4 nobody 52.47 K/s 154.13 K/s 0.00 % 22.41 % nginx: worker process
09:35:12 26727 be/4 nobody 62.31 K/s 75.42 K/s 0.00 % 20.70 % nginx: worker process
09:35:12 26730 be/4 nobody 59.03 K/s 144.29 K/s 0.00 % 17.74 % nginx: worker process
(7)與zabbix核對
6、在nginx日誌上尋找規律
在上一個排查中,發現了nginx占用資源出現增長情況,並且和zabbix監控進行了對比,產生吻合的現象。因此,問題定位在nginx上。
(0)日誌格式
head -n 1 /tmp/load.log
access.log:[27/Sep/2018:09:34:00 +0800] [xxxxx] [222460266] [GET /tg_templates/doubleone/2016/servertime/getInfo.php HTTP/1.0] [200] [43] [-] [%E5%90%8C%E8%8A%B1%E9%A1%BA/10.00.33 CFNetwork/808.1.4 Darwin/16.1.0] [223.104.216.124, 10.99.11.9, 223.104.216.124] [0.002] [unix:/dev/shm/phpfpm5.4.socket] [0.000] [xxxxxx] [-] [/tg_templates/doubleone/2016/servertime/getInfo.php] [80] [-] []
(1)排查請求量是否異常
將報警時間段前後的日誌取出,進行獨立過濾,發現 URI:/img/ad 出現的頻率很高(為了取出相同的URI,不過濾完整的URI),一分鐘高到一萬次。
awk -F ‘]‘ ‘{print $1" "$4}‘ /tmp/load1.log|tr -d ‘[‘ |awk -F ‘[: ]‘ ‘{print $3":"$4" "$9 }‘|awk -F ‘/‘ ‘{print $1"/"$2"/"$3}‘ |sort |uniq -c|sort -nr |head
8781 09:29 /img/ad
8630 09:28 /img/ad
8328 09:27 /img/ad
3421 09:29 /interface/trade
3004 09:28 /interface/trade
2884 09:27 /interface/trade
1542 09:29 /tg_templates/doubleone
1492 09:28 /tg_templates/doubleone
1446 09:29 /api/index.php?action=getadlist2&platform=gphone
1393 09:27 /tg_templates/doubleone
awk -F ‘]‘ ‘{print $1" "$4}‘ /tmp/load.log|tr -d ‘[‘ |awk -F ‘[: ]‘ ‘{print $3":"$4" "$9 }‘|awk -F ‘/‘ ‘{print $1"/"$2"/"$3}‘ |sort |uniq -c|sort -nr |head
11128 09:30 /img/ad
10965 09:31 /img/ad
10941 09:34 /img/ad
10194 09:32 /img/ad
10137 09:33 /img/ad
8181 09:35 /img/ad
6505 09:36 /img/ad
5196 09:30 /interface/trade
4783 09:34 /interface/trade
4289 09:33 /interface/trade
(2)排查慢日誌量上的異常
將請求的響應時間大於1秒以上的所有請求,全部取出來,按照時間序列進行排序。發信啊在9點35分到36分的時候,出現慢日誌最多。對比日誌量,35分和36分都是每分鐘8000多次請求。
雖然知道了這個請求很慢,但是並不能完全證明就是這個慢請求引起的
grep "/img/ad/indexNav/20180926" /tmp/load1.log |awk -F ‘]‘ ‘{print $1" "$(NF-9)}‘ |tr -d ‘[‘ | awk -F ‘[: ]‘ ‘{print $3":"$4" "$(NF)}‘|awk ‘($NF>1){print $1}‘ |sort |uniq -c |sort -nr |head
57 09:27
8 09:28
5 09:29
grep "/img/ad/indexNav/20180926" /tmp/load.log |awk -F ‘]‘ ‘{print $1" "$(NF-9)}‘ |tr -d ‘[‘ | awk -F ‘[: ]‘ ‘{print $3":"$4" "$(NF)}‘|awk ‘($NF>1){print $1}‘ |sort |uniq -c |sort -nr |head
2012 09:36
1197 09:35
565 09:30
200 09:34
70 09:33
31 09:32
19 09:31
(3)排查其他慢請求
其他慢請求基本沒有,排查其他慢請求引起的。問題定位在URI:“/img/ad/indexNav/20180926”上。
grep "/interface/trade" /tmp/load.log |awk -F ‘]‘ ‘{print $1" "$(NF-9)}‘ |tr -d ‘[‘ | awk -F ‘[: ]‘ ‘{print $3":"$4" "$(NF)}‘|awk ‘($NF>1){print $1}‘ |sort |uniq -c |sort -nr |head
6 09:36
3 09:35
2 09:30
1 09:33
(4)排查具體的慢請求時間
grep "/img/ad/indexNav/20180926" /tmp/load.log |awk -F ‘]‘ ‘{print $1" "$(NF-9)}‘ |tr -d ‘[‘ | awk -F ‘[: ]‘ ‘{print $3":"$4" "$(NF)}‘|awk ‘($NF>1){print $0}‘ |sort|uniq -c |sort -nr |head
38 09:36 2.478
34 09:36 1.576
33 09:36 4.484
32 09:35 7.072
30 09:36 3.138
29 09:36 3.845
29 09:36 3.548
29 09:36 2.677
24 09:35 3.508
23 09:36 2.843
(5)排查具體慢請求的URL
查看完整的URL,用於定位最長出現的URI,著重排查該類URI。
grep "/img/ad/indexNav/20180926" /tmp/load.log |awk -F ‘]‘ ‘{print $1" "$4" "$(NF-9)}‘|tr -d ‘[‘|awk -F ‘[: ]‘ ‘{print $3":"$9" "$8" "$(NF)}‘|awk ‘($NF>1){print $0}‘ |head
09:/img/ad/indexNav/20180926/1537959962_9815.png GET 1.325
09:/img/ad/indexNav/20180926/1537960001_6674.png GET 1.327
09:/img/ad/indexNav/20180926/1537960001_6674.png GET 1.136
09:/img/ad/indexNav/20180926/1537960001_6674.png GET 1.134
09:/img/ad/indexNav/20180926/1537960001_6674.png GET 1.134
09:/img/ad/indexNav/20180926/1537960001_6674.png GET 1.570
09:/img/ad/indexNav/20180926/1537960001_6674.png GET 1.380
09:/img/ad/indexNav/20180926/1537960001_6674.png GET 1.806
09:/img/ad/indexNav/20180926/1537960001_6674.png GET 1.380
09:/img/ad/indexNav/20180926/1537960001_6674.png GET 1.386
(6)查看完整日誌
查看完整的日誌格式是為看出各個字段上是否出現異常,從完整日誌中看到body字段,返回的body是30W左右,即300K左右,一般這個body字段只有20左右才屬於正常的。300 K明顯是不正常的。
計算一下,一分鐘1W次,每次都是300K,也就是300萬KB,除以60秒,每秒中是50M的讀盤。IO當然會高了....
問題原因基本定位。
adm.access.log:[27/Sep/2018:09:34:00 +0800] [192.168.215.91] [363346437] [GET /img/ad/indexNav/20180926/1537960001_6674.png HTTP/1.1] [200] [294880] [-] [%E5%90%8C%E8%8A%B1%E9%A1%BA/10.30.14 CFNetwork/808.1.4 Darwin/16.1.0] [122.238.114.23] [0.004] [-] [-] [XXXXX] [-] [/img/ad/indexNav/20180926/1537960001_6674.png] [80] [-] []
adm.access.log:[27/Sep/2018:09:34:00 +0800] [192.168.205.23] [-] [GET /img/ad/indexNav/20180926/1537959962_9815.png HTTP/1.1] [200] [294880] [-] [platform=gphone&version=G037.08.330.1.32] [223.104.215.36, 10.101.8.1] [0.000] [-] [-] [XXXXX] [-] [/img/ad/indexNav/20180926/1537959962_9815.png] [80] [-] []
adm.access.log:[27/Sep/2018:09:34:00 +0800] [192.168.210.142] [-] [GET /img/ad/indexNav/20180926/1537959962_9815.png HTTP/1.1] [200] [294880] [-] [platform=gphone&version=G037.08.338.1.32] [221.215.205.170, 10.99.2.9] [0.002] [-] [-] [XXXXX] [-] [/img/ad/indexNav/20180926/1537959962_9815.png] [80] [-] []
(7)判斷是否是反爬引起
爬蟲爬取一個頁面,一分鐘進行大量爬取,即使body部分不大,機器一樣會被爆掉。何況這是一個高達300K的圖片。
當然,爬蟲基本上是不可能的,因為這臺,上線了反爬程序
grep "/img/ad/indexNav/20180926" /tmp/load.log |awk -F ‘]‘ ‘{print $1" "$(NF-10)}‘ |tr -d ‘[‘ | awk -F ‘[ ,]‘ ‘{print $4}‘ |sort |uniq -c |sort -nr |head -n 20
63 117.136.8.233
62 42.101.64.192
61 36.102.236.184
54 117.136.8.69
52 112.20.12.199
46 117.136.8.74
46 112.20.12.205
45 112.20.12.194
44 117.136.8.78
42 117.136.8.66
42 117.136.8.65
38 117.136.8.224
35 223.104.6.27
35 223.104.247.7
?
7、問題總結
1、為什麽每次請求都要請求本地的圖片?
實際上這個問題問的就是為什麽沒有對圖片做緩存,我們前端做的緩存是100K限制,大於100K的圖片都自動不做緩存,這也是這次機器被打爆的原因。300K大小的圖片遠遠超過了緩存的限制,所以所有請求的圖片都沒有緩存住。
根據實際要求,前端是否可以放寬緩存大小的限制
圖片png格式,測試將其轉為jpg格式後,僅19K,具體產品為什麽要用怎麽大的圖片,可能是考慮到美觀性。
2、為什麽其他時間沒有報警?
由於業務的性質,每天上午9.30才開市,所以流量都集中在這個點,該圖片是前一天產品剛發上去的,所以是在今天報警的,下午沒有報警的原因是,流量變小了。
8、處理方案
1、開發做好圖片大小限制,進行審核。
2、運維做好緩存,緩存的限制要根據開發這邊提供的圖片大小與業務相結合。
一次網站負載排查記錄