关键在于配置“感知状态+执行动作”的健康检查机制，即通过探测→判定→屏蔽→试探→恢复闭环实现自动隔离与重接入，需按协议选TCP/HTTP检查、合理设阈值与间隔，并确保网络可达。
要让负载均衡在后端节点异常时自动隔离、恢复时自动重新接入，关键不是靠人工干预，而是配置一套能“感知状态+执行动作”的健康检查机制。不同平台实现方式略有差异，但核心逻辑一致：探测 → 判定 → 屏蔽 → 试探 → 恢复。
明确健康检查类型与适用场景
根据后端服务协议和可观测需求选择检查方式：
- TCP 检查：只验证端口是否监听（三次握手成功），开销最小，适合通用 TCP 服务或仅需确认进程存活的场景；
-
HTTP/HTTPS 检查：发送 HEAD 或 GET 请求，校验返回状态码（默认仅 2XX/3XX 视为健康），适合 Web 应用，建议单独提供
/health接口并固定返回 200； - 避免误配：不要把 4XX（如 404、429）或 5XX（如 500、503）加入健康状态码范围，否则会掩盖真实故障。
配置关键判定参数防止误剔或迟滞
健康检查不是越敏感越好，需平衡稳定性与响应速度：
- 健康阈值（Healthy Threshold）：连续成功多少次才认为节点恢复？建议设为 2～3 次，避免单次网络抖动导致误判；
- 不健康阈值（Unhealthy Threshold）：连续失败多少次才踢出？建议设为 2～3 次，太低易误杀，太高延迟隔离；
- 检查间隔（Interval）：通常设为 5～10 秒，过短增加后端压力，过长影响故障发现时效；
- 超时时间（Timeout）：单次探测等待响应时长，应略大于后端正常响应耗时，一般 3～5 秒为宜。
确保探测请求能真正抵达后端
健康检查失败，80% 情况不是服务问题，而是网络策略拦截：
- 确认后端服务器安全组/ACL 入方向放行健康检查源 IP —— 阿里云 CLB 默认使用 100.64.0.0/10 网段，不是负载均衡 VIP；
- 若后端在 IDC 或混合云环境，还需检查防火墙、SNAT 设备是否放通该源网段；
- HTTP 检查时，确认后端服务监听了健康检查端口，并能响应指定路径（如
/health）和域名（如设置了 Host 头）。
Nginx 自建场景需补充被动容错策略
开源 Nginx 不支持主动探测，依赖被动检查，必须配合以下配置才能实现“自动隔离”效果：
- 在
upstream块中为每个 server 设置max_fails=2 fail_timeout=30s，表示 30 秒内失败 2 次即标记不可用，30 秒后重试； - 全局启用
proxy_next_upstream error timeout http_500;，确保 upstream 出现错误时自动换节点重试，而非直接报错； - 搭配
max_conns限制单节点并发连接数，防止某台机器因连接堆积而雪崩，间接提升整体稳定性。
