專屬伺服器應用程式的 DNS 健康檢查與容錯切換
DNS 健康檢查會監察網域解析路徑及應用程式端點是否可用;當伺服器、服務或網絡路徑未能符合既定健康條件時,DNS 容錯切換便會把新的查詢導向其他端點。對專屬伺服器應用程式而言,DNS 不只是網域設定,而是連接解析器、權威區域、IP 位址、路由及服務狀態的一層。
目標不是見到 ping 成功便判斷應用程式正常,而是先定義應檢查甚麼、哪個記錄指向哪個端點、TTL 及快取會如何影響變更,以及何時應採取自動化行動。DNS 容錯切換應是一個經測試的狀態轉換,而不是故障後才臨時修改記錄。
DNS 健康檢查應該量度甚麼
健康檢查應盡量模擬用戶實際經過的路徑:解析網域、建立 TCP 或 HTTPS 連線、驗證回應碼或指定內容,並按需要檢查相依服務。不同層次的檢查可以識別不同類型的失效,因此單一探針通常不足夠。
Dataplugs 的指南《如何修復專屬伺服器上的 DNS 回應問題?》說明間歇性解析問題可能來自解析器、防火牆、快取、委派或上游依賴。因此,DNS 設計不應只依賴來自單一網絡的一次成功查詢。
- 檢查權威 DNS 回應是否包含預期記錄、正確區域序號及完整委派路徑。
- 從多個網絡或監控位置檢查遞迴解析,當中應包括客戶實際使用的主要地區。
- 檢查應用程式端點、TLS 憑證、預期回應碼及簡短內容標記,而不只是確認連接埠已開啟。
- 記錄回應時間、失敗類型、過期答案,以及由偵測到問題至作出容錯切換決定所需的時間。
- 設定門檻、連續失敗次數及恢復觀察期,避免短暫網絡波動觸發反覆 DNS 變更。
分開 DNS 健康與伺服器健康
伺服器可能仍能回應 ICMP 或接受 TCP 連線,但應用程式已經卡住、資料庫無法使用,或工作佇列不再推進。相反,應用程式可能運作正常,但委派、上游解析器或網絡路由令用戶無法解析網域。因此,健康檢查必須把每個失效訊號與相應行動清楚連接。
復原目標應該影響整個設計。如果應用程式的復原時間目標較短,DNS TTL、解析器快取、備援端點準備程度及應用程式啟動時間便要一併考慮;如果可接受的復原時間較長,經驗證的備份及受控還原流程可能已經足夠。
- 清楚定義主要端點的「健康」狀態,包括可接受延遲、回應內容、相依服務狀態及憑證有效性。
- 分開檢查權威 DNS、遞迴解析、網絡可達性、應用程式行為及關鍵下游相依項目。
- 在單一監控位置可能造成誤判時,使用多個探針或以多數結果作出判斷。
- 至少將部分監控路徑放在被測試伺服器或機房之外,避免工作負載失效時監控也同時消失。
- 容錯切換後,確認備援端點提供正確應用程式、記錄、憑證及資料狀態,才宣布服務恢復。
設計 DNS 容錯切換條件
DNS 容錯切換可以使用主次記錄、託管式健康檢查、應用程式負載平衡器,或更廣泛的路由設計。它會改變新的 DNS 查詢被導向的位置,但不會移動已建立的 TCP 連線、立即清除所有遞迴快取,或修復本身不健康的應用程式,因此必須清楚界定容錯切換的邊界。
若需要控制本地 IP 擁有權及路由,Dataplugs 的文章《以 VRRP、BGP 實現自動化容錯切換,確保伺服器可用性》說明 VRRP 與 BGP 如何協調本地端點擁有權及更廣泛的路由公告。DNS 可以是整體設計的一部分,但不一定是最快或最精準的控制層。
- 選擇符合變更時限的 TTL,避免解析器負載過高,也不要假設 DNS 變更可以即時在所有用戶端生效。
- 在可行情況下,讓主端及備援端在連接埠、憑證、相依服務及資料存取方面保持一致。
- 確保備援端點擁有最新設定、安全規則、監控,以及接收應用程式資料的經測試方法。
- 加入滯後或冷卻時間,避免恢復後立即切回主端,造成服務來回震盪。
- 預先決定如何批准、驗證及記錄故障後切回主端;自動提升備援端點不等於必須自動切回。
使用分階段及可觀測的容錯切換
容錯切換自動化應分階段測試。先進行手動提升及受控故障,再測試相同流程的自動化版本。有效的演練不只確認 DNS 是否改變,也要確認用戶端能否解析新答案、應用程式能否接收流量,以及操作人員能否看見並解釋狀態轉換。
Dataplugs 的文章《讓託管基礎設施配合業務持續目標》將復原設計與 RTO、RPO、網絡路徑、相依項目及經測試的程序連繫起來。同一套紀律亦有助團隊決定 DNS 容錯切換應保護甚麼,以及需要多快完成。
- 測試正式環境用戶所使用的每個 DNS 名稱、記錄類型、解析路徑及應用程式入口。
- 從相關地區量度權威回應、遞迴傳播、連線恢復及用戶可達性。
- 當流量抵達備援端點後,驗證工作階段、身份認證、佇列、資料庫及寫入操作。
- 分開測試故障切換及切回,包括過期快取、連線排空及主要服務恢復。
- 讓告警、儀表板、日誌及變更記錄連繫至同一事故,方便事後檢視每次 DNS 行動的原因。
建立適用於 Dataplugs 的 DNS 容錯切換運行手冊
對於運行專屬伺服器應用程式的團隊,運行手冊應記錄權威 DNS 服務商、區域負責人、記錄清單、TTL 策略、健康檢查位置、主要及備援端點、路由依賴、管理存取、備份責任及升級路徑。如涉及服務商、網絡或數據中心責任邊界,也應列明每項行動由哪個團隊負責,以及哪些行動需要批准。
清晰的次序在壓力下更容易執行:確認訊號、排除監控故障、凍結無關變更、提升備援路徑、驗證 DNS 及應用程式行為、通報事故,最後決定是否適合切回。事故後應記錄傳播時間、失敗檢查、用戶影響及任何應自動化或移除的手動步驟。
結論
DNS 健康檢查及容錯切換在融入應用程式可用性模型時最有效。按層次設計的檢查、合理門檻、受控 TTL、已準備好的備援路徑,以及經測試的路由或伺服器復原方案,可以令專屬伺服器應用程式在服務或網絡路徑退化時更容易維持可達。Dataplugs 的 DNS 疑難排解及容錯切換文章,亦可作為建立這套營運紀律的實用參考。
