Keepalived仅监控Nginx主进程存活，不处理worker异常；worker自愈由Nginx master完成，需升级vrrp_script为HTTP探活、worker数检查及nginx -t验证，并优先本地reload修复，失败后才降权漂移VIP。
Keepalived 本身不处理 Nginx 的子进程（worker）异常，它只监控 Nginx 主进程（master）或整个服务的可用性。真正的 worker 异常恢复，由 Nginx 自身的 master 进程完成——Keepalived 不参与、也不替代这一逻辑。
Keepalived 的职责边界：只管“活着”，不管“健在”
Keepalived 默认通过 vrrp_script 检查 Nginx 是否在运行，典型做法是：
- 执行 kill -0 $(pidof nginx) 判断主进程是否存在
- 或简单检查 ps aux | grep nginx | grep master
这类检测仅确认 master 进程是否存活，完全无法感知 worker 是否崩溃、是否返回 502、是否已无实际服务能力。若 worker 全挂而 master 仍在，Keepalived 会误判为“服务正常”，VIP 不会漂移，但用户请求已大面积失败。
真正恢复 worker 异常的是 Nginx master 进程
Nginx 内置了轻量、高效的子进程自愈机制：
- master 使用 waitpid() + WNOHANG 轮询 worker 状态，发现非零退出码（如段错误、OOM killer 杀掉、被 kill -9）即判定为异常
- 立即 fork + exec 启动新 worker，复用已创建的监听 socket 和共享内存等资源，无冷启动延迟
- 设防机制：1 秒内 worker 异常退出 ≥10 次，master 主动退出并打印 "exit after too many worker processes exit unexpectedly"，此时需人工介入
让 Keepalived “懂业务”：必须升级健康检查脚本
要使 Keepalived 对 Nginx 整体状态做出合理响应，需替换默认脚本，实现多维度探活：
- 访问 /nginx_status 或自定义 /healthz 接口，验证 HTTP 层响应能力
- 检查 worker 进程数量（如 ps -eo comm | grep 'nginx:' | wc -l）是否符合预期
- 执行 nginx -t 确认配置未损坏（避免 reload 失败）
- 失败时先尝试 nginx -s reload 或 -s start；仅当多次重试失败后，才触发权重下降或 VIP 漂移
闭环自愈的关键：本地修复优先，VIP 漂移兜底
高可用 ≠ 高切换频率。理想策略是：
- Keepalived 脚本检测失败后，先调用本地恢复动作（如 reload），等待 2–3 秒观察是否恢复
- 若仍未恢复，再执行 weight -40 并设置 fall 2 rise 3，平滑降权触发 VIP 迁移
- 迁移后原节点不自动抢回，避免震荡；所有操作写入独立日志（如 /var/log/keepalived-heal.log），含时间戳、PID、nginx -V 版本摘要
