5分钟内快速恢复Nginx全站不可用：先验证进程与端口状态，强制重启或直启服务，临时注释后端或启用健康检查降级，最后查error.log、连接数限制和健康状态。
全站打不开，用户投诉涌来，监控告警狂响——这时候别查日志细节，先保服务可用。Nginx负载均衡出问题，80%的“全站不可用”其实能在5分钟内快速恢复，关键不是修根因，而是切断故障传播、抢通主链路。
第一步：确认是不是Nginx本身挂了
别假设，直接验证：
- 执行 ps aux | grep nginx，看有没有 master process 进程。没有？说明Nginx已彻底退出
- 执行 systemctl is-active nginx，返回 inactive 或 failed 就得立即重启
- 如果进程在但端口没响应，用 ss -tlnp | grep :80 确认80/443是否真在监听；没监听，大概率是配置加载失败或端口被占
第二步：跳过配置重载，强制拉起服务
此时不追求优雅，要快：
- 先停残留进程：pkill -9 nginx（避免旧worker卡死）
- 检查磁盘空间：df -h /var/log，若日志分区满（≥95%），临时清理：find /var/log/nginx -name "*.log" -mtime +7 -delete
- 绕过语法校验直启（仅应急）：/usr/sbin/nginx -c /etc/nginx/nginx.conf。成功则立刻有响应；失败则看终端报错，通常就是某行配置崩了
- 若必须 reload，务必先 nginx -t，但超时场景下可改用 systemctl start nginx（systemd会自动处理依赖和权限）
第三步：临时绕过故障后端，保前端通路
如果是后端全挂导致大量502/504，Nginx还在跑，但用户看到错误页——那就让Nginx自己“降级”：
- 编辑 upstream 块，把所有后端 server 行临时注释掉，只留一个兜底静态页服务：server 127.0.0.1:8080 backup;（提前部署好简易维护页）
- 或启用内置健康检查兜底逻辑：在 upstream 中加 proxy_next_upstream error timeout http_502 http_504;，并确保 max_fails=1 fail_timeout=10s 已配置，让Nginx更快踢掉失联节点
- 若连维护页都来不及配，可快速切到单点模式：把 proxy_pass 改成指向一台确认存活的后端地址，删掉 upstream 引用
第四步：5分钟内必须做的三件事
恢复不等于结束，防止二次崩溃：
- 立刻查 error.log 尾部：tail -n 50 /var/log/nginx/error.log，重点关注 “connect() failed”、“no live upstreams”、“open() failed” 这类关键词，定位是网络、后端、还是权限问题
- 确认连接数上限：cat /proc/$(pgrep nginx)/limits | grep "Max open files"，若远低于 worker_rlimit_nofile 设置值，说明系统级限制未生效，需补设 limits.conf
- 手动触发一次健康检查：curl -s http://localhost/nginx_status，看 Active connections 是否异常飙升，Reading/Waiting 比例是否失衡（如 Waiting 占比＞70%，可能是后端响应慢或超时设置过短）
