外链失效？90%人忽视的3大技术权重杠杆

　　凌晨告警。三点零七分，监控平台弹窗叠了十七层，DBA老周在钉钉语音里喘得像刚跑完三千米——其实他根本没醒，是手机贴着枕头震醒了人，声音还带着被子捂出来的闷：“你等等，我查下从库延迟……”话没说完，空调嗡的一声，停了三秒，又重启，冷风突然变大，吹得我手边那张十一期间手写的拓扑图翻了个面，背面是我用红笔圈的“外链缓存穿透阈值”，圈得太大，油墨晕开，糊了半行字。

　　我原以为是CDN回源策略崩了，结果SSH进边缘节点，curl -I 三个域名，前两个返回302，第三个直接503。不是超时，是503。我盯着那个状态码看了十八秒，手指悬在键盘上没动——这个我敢打包票：503不是服务不可用，是上游显式拒绝，连重试逻辑都懒得走。后端小杨十一点半发过一条消息：“nginx upstream config reload 失败”，我没回，因为那会儿正蹲在机房门口等UPS检修单，门禁卡刷了四次才开，卡槽里沾着点干掉的咖啡渍，是我上个月洒的，工牌正面还留着淡褐色印子，洗不掉。

　　90%人忽视的三件事？第一件就是 HTTP Cache-Control 的 max-age 和 stale-while-revalidate 被当成同义词混用。不是同义词。上周我翻了七十二个生产环境的响应头，四十九个把 stale-while-revalidate 写成 300，但 origin 实际压根没做 stale 处理——它根本不知道自己该“stale”多久。所以当外链失效，浏览器还在用本地缓存，CDN却早已判定过期并触发回源，结果回源撞上 upstream 的 503，整个链路就断在那儿，不报错、不重试、不告警，只默默返回空响应体。这玩意儿不写进SLA，但天天啃权重，像蟑螂吃电线，无声无息，咬断的是技术债的绝缘层。

　　老周后来在凌晨四点十五分发来一张截图：redis cluster 中一个分片 CPU 利用率始终卡在87.4%，不动，不高不低，像被人掐着脖子呼吸。他问是不是缓存击穿。我说不是。是上游某服务在每次心跳上报时，强行 setex 一个 key，ttl 设的是随机 12–37 秒，但它的上报频率是每五秒一次。所以 cache 层每天要处理三百七十二条告警对应的冗余写入——不是业务写入，是心跳噪音。而外链解析模块，刚好复用这个缓存实例。你说巧不巧。

　　第二件？DNS 解析里的 edns-client-subnet 配置和实际 CDN 地理覆盖完全脱钩。我十一那会儿在西安机房做灰度，发现杭州用户请求打到北京 POP，北京 POP 又把请求甩给广州源站，源站再跳转回深圳的 OOS 桶。路径长了三跳，TLS 握手失败率上升 18%。运维说“运营商劫持”。我查了路由，不是劫持，是 CDN 自己把 edns subnet 当摆设，geoip 库三个月没更新，深圳的 IP 段还被标在“待验证”名单里，白名单都没加。这个我说不准——可能真没人管，也可能管的人早调去搞 AIGC 平台了。隔壁工位的前端工程师换了双拖鞋，左脚蓝右脚灰，趿拉在地板上发出啪嗒啪嗒声，一直响到六点十分。

　　值班表下周起改双休轮岗，我排在周四。本来申请调休，理由写“十一返程高铁晚点六小时”，被驳回，系统回复：“非不可抗力”。可什么叫不可抗力？去年十一我在西安，临时接到电话说某省厅网关突发 DNS 报文截断，要求现场支援。我去之前顺手在酒店 Wi-Fi 下测了五个外链，四个正常，第五个在 chrome DevTools Network 面板里显示 status (failed)。我截图发群里，没人理。直到第二天早上九点，监控告警炸了——那条链路，正是所有下游系统里权重最高的健康检查探针。我们信它比信自己心跳还准。

文章配图，仅供参考

　　第三件最绝：HTTP Referer 策略和反爬 JS 注入的双重校验，现在全堆在网关层做。不是不好，是错了粒度。外链失效后，网关既要做 referer 白名单匹配，又要执行一段 inline 的 checkReferer() JS 函数来绕过部分伪造，而这段 JS 还依赖一个动态加载的 /js/anti-ref.js，它本身又托管在另一个 S3 bucket 上——bucket 权限配置漏了一行，导致 21% 的 referer 校验永远 fallback 到“放行”，等于锁了门却把钥匙焊在门框上。优胜劣汰？对。淘汰的不是坏链接，是认真配 header 的人。淘汰的是写测试用例时把 referer 场景列全的 QA。淘汰的是当年写 Nginx map 指令时反复测过 302 循环边界的那个后端——他上月离职了，走之前在交接文档里写了句：“别信 map 指令的注释，注释是两年前的，代码不是。”

　　手机响了一声没接。是老板。我知道他想问为什么 SLA 还没跌，但其实跌了——只是指标取的是 HTTP 2xx/3xx 比例，没算 time-to-first-byte > 5s 的请求。而这类请求，在十一后两周里，日均增长 6.3%，但告警规则还是按老逻辑写的。我懒得改。昨天下午我删掉了告警群里的三条重复通知模板，没说原因，就留了个撤回。反正也没人问。

　　我现在要干的事，是把 redis 里那个心跳 key 的 setex 改成 getset，加上 CAS 逻辑；顺便给 CDN 同步组提个需求，让他们今晚之前把 geoip 库版本号写进 X-Cache-Debug 响应头。别的？别的先放着。这事儿没完，但我得先去趟茶水间——咖啡机今天不出蒸汽，滋滋响半天，喷出来一串湿哒哒的棕色泡沫，黏在杯沿上，像某种失败的胶水试验。

（编辑：站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!