健康检查与故障转移

健康检查是负载均衡的核心功能。通过检测后端状态，NGINX 可自动摘除故障节点并在恢复后重新加入。

被动健康检查

基于请求的检查

upstream backend {
    server 10.0.0.1:8080 max_fails=3 fail_timeout=30s;
    server 10.0.0.2:8080 max_fails=3 fail_timeout=30s;
    server 10.0.0.3:8080 max_fails=2 fail_timeout=20s;
}

• max_fails — 在 fail_timeout 内连续失败的最大次数
• fail_timeout — 失败后的隔离时间，也是重新检查周期
• 达到 max_fails 后服务器标记为不可用

被动检查仅在处理请求时发现故障。空闲服务器可能长时间不会被检测到。

故障转移条件

location / {
    proxy_pass http://backend;
    proxy_next_upstream error timeout http_500 http_502 http_503 http_504;
    proxy_next_upstream_tries 2;
    proxy_next_upstream_timeout 10s;
}

• error — 连接后端失败
• timeout — 与后端通信超时
• http_500 等 — 特定响应码
• proxy_next_upstream_tries — 最大重试次数（0 不限制）

主动健康检查

NGINX Plus 主动检查

upstream backend {
    zone backend 64k;
    
    server 10.0.0.1:8080;
    server 10.0.0.2:8080;
    
    health_check interval=10s fails=3 passes=2 uri=/health match=http_200_302;
}

match http_200_302 {
    status 200-302;
    header Content-Type = text/html;
    body ~ "OK";
}

• interval — 检查间隔
• fails — 连续失败次数后标记不可用
• passes — 连续成功次数后重新加入
• match — 定义健康响应的匹配规则

主动检查定期发送探测请求，即使没有用户流量也能检测后端状态。仅 NGINX Plus 提供。

开源版主动检查替代

# 使用第三方模块 nginx_upstream_check
upstream backend {
    server 10.0.0.1:8080;
    server 10.0.0.2:8080;
    
    check interval=5000 rise=2 fall=3 timeout=3000 type=http;
    check_http_send "HEAD /health HTTP/1.0\r\n\r\n";
    check_http_expect_alive http_2xx http_3xx;
}

nginx_upstream_check 是淘宝开发的开源模块，为社区版 NGINX 提供主动健康检查。

优雅下线

维护模式

upstream backend {
    server 10.0.0.1:8080;
    server 10.0.0.2:8080 down;  # 标记下线维护
    server 10.0.0.3:8080 backup;
}

设置 down 标记后 NGINX 不再分发流量到此服务器。配合 Keepalived 或 CI/CD 流程实现优雅下线。

慢启动（NGINX Plus）

upstream backend {
    server 10.0.0.1:8080 slow_start=30s;
    server 10.0.0.2:8080 slow_start=30s;
}

后端恢复后逐步增加流量，避免瞬间过载。仅 Plus 版支持。

监控集成

查看上游状态

# NGINX Plus API
location /upstream_conf {
    allow 10.0.0.0/8;
    deny all;
    proxy_pass http://127.0.0.1:8080/api/6/http/upstreams;
}

NGINX Plus 提供 REST API 查看和管理 upstream 状态。开源版需使用 stub_status 模块或第三方工具。

要点总结

• 被动检查通过 max_fails 和 fail_timeout 检测故障
• proxy_next_upstream 定义当前请求的故障转移行为
• 主动检查定期发送探测请求，发现故障更快
• 开源版使用 nginx_upstream_check 模块实现主动检查
• down 标记用于手动维护下线
• 慢启动防止后端恢复后瞬间过载
• 结合被动和主动检查实现完整的故障转移机制