在 nginx 中,upstream 的加权轮询配合 fail_timeout 的核心机制是:当某台后端服务器因健康检查失败或响应超时被标记为不可用后,nginx 会在指定的时间窗口内暂时忽略该服务器的权重,不再向其分配新请求;一旦超过这个时间窗口,nginx 会尝试再次向该服务器发送请求以检测其是否恢复。这种机制确保了在高负载或故障期间流量能自动漂移至健康节点,并在故障排除后平滑地重新引入故障节点。

如何配置 upstream 实现加权轮询与故障隔离
要实现这一功能,需要在 upstream 块中同时定义 server 指令的权重和 fail_timeout 参数。默认情况下,Nginx 使用加权轮询(Weighted Round-Robin)算法,通过 weight 参数控制各服务器的流量比例。而 fail_timeout 参数则定义了两个关键指标:一是服务器被视为失败的累计时间窗口,二是服务器被标记为不可用后的静默期。如果在 fail_timeout 指定的时间内,服务器连续失败次数达到 max_fails 设定的阈值,它将被剔除出可用池。例如,配置 fail_timeout=30s max_fails=3 意味着在 30 秒内若失败 3 次,该服务器将在接下来的 30 秒内不被选中,之后 Nginx 会发送一个探测请求来验证其状态。
upstream backend {
server 192.168.1.10:8080 weight=5;
server 192.168.1.11:8080 weight=3;
server 192.168.1.12:8080 weight=2 fail_timeout=30s max_fails=3;
}
在上述配置中,192.168.1.10 承担主要流量,192.168.1.11 次之,192.168.1.12 作为备用且带有故障保护。当 192.168.1.12 出现连接拒绝或超时错误时,Nginx 会记录失败次数。一旦在 30 秒内失败达到 3 次,该节点在随后的 30 秒内将完全被忽略,流量仅由前两台服务器按 5:3 的比例分担。30 秒后,Nginx 会向 192.168.1.12 发送一个新请求,如果成功,则将其重新加入轮询池;如果失败,则重置计时器并继续忽略。
fail_timeout 对加权算法的具体影响逻辑
fail_timeout 并不改变加权轮询的数学计算方式,而是动态调整参与计算的服务器集合。在正常运行状态下,Nginx 根据所有在线服务器的权重总和来计算下一个请求的目标服务器。然而,当某台服务器被标记为“失败”时,它从当前权重总和中被移除,剩余服务器的相对权重比例会自动重新归一化。这意味着,即使某台高权重服务器短暂故障,其他低权重服务器也不会瞬间过载,因为故障隔离是渐进式的。
此外,fail_timeout 还包含一个隐含的重试机制。Nginx 不会永久地将故障服务器排除在外,而是采用“试探性”策略。每次 fail_timeout 周期结束后,Nginx 只会发送单个请求进行探测,而不是立即恢复全量流量。这种设计防止了“惊群效应”,即大量请求同时涌向刚刚恢复但可能仍不稳定的服务器。如果探测请求成功,该服务器立即恢复其原始权重;如果失败,则重新开始计时,直到满足 max_fails 条件再次被隔离。
# 模拟故障场景下的行为 # 初始状态: S1(weight=5), S2(weight=3), S3(weight=2) # 假设 S3 在 30s 内失败 3 次 -> S3 被隔离 30s # 此时有效权重总和 = 5 + 3 = 8 # S1 概率 = 5/8, S2 概率 = 3/8 # 30s 后: Nginx 向 S3 发送 1 个探测请求 # 若成功: S3 恢复, 权重总和变回 10, S1=5/10, S2=3/10, S3=2/10 # 若失败: S3 继续被隔离, 计时器重置
这种逻辑确保了系统的弹性。开发者可以通过调整 weight、max_fails 和 fail_timeout 来平衡负载均衡的精细度与故障恢复的速度。例如,对于数据库等敏感服务,可以设置较小的 fail_timeout 以快速切换,而对于静态资源服务器,则可以设置较大的值以减少不必要的上下文切换。
当 max_fails 设置为 0 时的具体行为是什么
当 max_fails 参数设置为 0 时,Nginx 会禁用对该特定服务器的故障计数和自动隔离机制。这意味着无论该服务器发生多少次连接错误或超时,Nginx 都不会将其标记为不可用,也不会触发 fail_timeout 定义的静默期。服务器将始终参与加权轮询,即使它实际上已经宕机或无响应。
upstream backend {
server 192.168.1.10:8080 weight=5;
server 192.168.1.11:8080 weight=3;
server 192.168.1.12:8080 weight=2 max_fails=0; # 禁用故障隔离
}
在这种配置下,如果 192.168.1.12 停止响应,Nginx 仍然会按照 5:3:2 的比例向其发送请求。这会导致客户端收到大量的 502 Bad Gateway 或超时错误,因为 Nginx 无法自动将流量从故障节点转移出去。这种设置通常用于测试环境,或者当管理员希望手动控制故障处理流程,而不依赖 Nginx 的自动重试机制时。需要注意的是,即使 max_fails=0,fail_timeout 参数本身仍然存在,但由于没有失败计数,它不会生效。因此,要完全禁用故障隔离,必须同时设置 max_fails=0。


















