上一篇
服务器负载大如何检查延时？弹性负载均衡访问慢怎么办？
弹性负载均衡业务访问延时大，核心原因通常不在负载均衡器本身，而是后端服务器资源耗尽、健康检查失效或会话保持策略配置不当，排查应遵循“先看后端、再查均衡器、后断网络链路”的顺序。
某天你发现线上业务响应突然变慢,用户开始反馈页面加载要好几秒，打开控制台看到负载均衡的监听流量并没有异常飙升，这时候你会从哪里下手？很多人的第一反应是加机器，但盲目扩容往往解决不了根因，本文给你一套可直接落地的排查路径，从监控指标到Linux命令，一步步定位延时瓶颈。
先确认负载均衡器自身的状态是否健康
负载均衡器是所有流量的入口,它的健康状态直接决定请求能否被快速分发，排查的第一步，不是去看后端服务器，而是先确认均衡器本身有没有“带病工作”。
检查监听器与后端服务器组的健康检查状态
健康检查是负载均衡的灵魂,如果健康检查间隔设置过长，或者阈值设置不合理，后端某台服务器已经宕机或响应缓慢，负载均衡器仍会继续向它转发请求，导致部分用户请求长时间得不到响应。
进入负载均衡控制台,找到目标实例的“后端服务器组”页面，重点看两个数据：
- 健康检查状态：正常、异常、未配置，如果显示异常，先看是哪台服务器失联。
- 健康检查参数：检查间隔、超时时间、健康阈值、不健康阈值，建议检查间隔不超过5秒，超时时间不超过3秒，健康阈值设为3次，不健康阈值设为3次。
从实际运维经验看,相当一部分延时问题源于健康检查配置过于宽松，比如检查间隔设置为30秒，意味着后端某台服务器挂掉后，最多有30秒的流量会被持续转发到故障节点，用户感知到的就是间歇性卡顿。
查看负载均衡实例的监控曲线
控制台里的“监控”页面会展示每秒新建连接数、活跃连接数、出网带宽、入网带宽四个核心指标，你需要观察的是延时发生时间段内，这些指标是否接近实例规格的上限。
据行业参数,负载均衡实例的每秒新建连接数如果持续达到规格上限的80%以上，新建连接就会开始排队，握手耗时明显增加，活跃连接数过高则表明长连接没有被合理复用，服务器需要维持大量并发连接，内存和文件描述符被快速消耗。
检查负载均衡器日志中的异常状态码
访问日志里藏着延时问题的直接线索,打开负载均衡的访问日志，筛选延时发生时段内的请求，重点关注两类状态码：
- 5xx状态码：说明后端服务器处理失败，常见于后端应用崩溃或数据库连接池满。
- 499状态码：这是客户端主动断开连接的状态码，往往意味着客户端等待超时，而后端处理时间过长。
如果在日志里发现大量499,说明后端响应速度已经超过客户端的等待阈值，你可以用如下命令统计各类状态码的占比：
awk '{print $9}' access.log | sort | uniq -c | sort -rn | head -20
深入后端服务器排查资源瓶颈
确认负载均衡器自身指标正常后,把注意力转移到后端服务器，负载均衡只是分发流量，真正的计算和响应工作在后端完成，这里需要登录每一台后端服务器，逐一检查系统资源。
查看CPU、内存和磁盘I/O负载
使用top命令查看整体负载情况,重点关注以下指标：
- CPU使用率：如果us（用户态）和sy（内核态）合计持续超过70%，说明CPU已经吃紧。
- 负载均值（load average）：这个数值如果长期大于CPU核心数，说明存在大量任务排队。
- 内存使用率：观察free命令输出，如果可用内存所剩无几，swap分区开始被频繁使用，响应速度会断崖式下降。
磁盘I/O也是容易被忽视的瓶颈，使用iostat -x 1查看磁盘的util百分比，如果接近100%，说明磁盘读写已经饱和，常见场景是日志写入过于频繁，或者数据库的binlog刷盘策略导致I/O等待严重。
检查后端应用进程的线程状态
CPU和内存正常不代表应用健康,使用top -H -p
线程大量阻塞通常指向三类问题：
- 数据库连接池耗尽,获取连接时线程排队等待
- 分布式锁竞争激烈,多个线程互相等待
- 外部接口调用超时,调用方线程被长时间挂起
据统计,多数后端应用出现访问延时，根因并非计算能力不足，而是依赖的下游服务响应变慢，拖垮了调用线程。
查看数据库慢查询日志
数据库往往是万恶之源,连接上后端服务器后，进入MySQL或PostgreSQL的慢查询日志目录，查看延时时间段内的慢SQL记录，如果发现某条SQL执行时间从原来的几十毫秒飙升至数秒，说明数据量增长或者索引失效了。
操作路径：登录数据库，执行SHOW GLOBAL STATUS LIKE ‘Slow_queries’;查看累计慢查询数量，再通过mysqldumpslow工具分析慢查询日志，找出耗时最长的SQL语句，使用EXPLAIN查看执行计划，确认是否走全表扫描。
排查网络链路与跨地域访问延迟
服务器资源都正常,但延时依旧存在？问题可能出在客户端到负载均衡之间的网络链路上，这里需要区分是同城访问还是跨地域访问，排查思路完全不同。
使用ping和traceroute定位网络路径
在客户端侧的机器上,使用ping命令测试到负载均衡VIP的延迟：
- 同城访问的延迟通常在1-5ms，如果延迟超过10ms，说明网络链路存在问题。
- 跨地域访问的延迟与物理距离正相关,例如华东到华北的延迟一般在20-30ms，如果超过50ms，链路质量堪忧。
traceroute命令可以逐跳查看数据包的转发路径,判断延迟是发生在某一个中间节点还是整体偏高，如果是某一跳延迟突然飙升，大概率是运营商骨干网络拥塞或绕路。
检查负载均衡实例的带宽上限
登录控制台,查看负载均衡实例的出网带宽和入网带宽监控，如果出网带宽持续打满，数据包会在均衡器内部排队，表现为响应缓慢但CPU、内存均正常。
这时候的解决方案有两个方向：
- 升级负载均衡实例的带宽规格
- 启用CDN或静态资源分离,降低源站带宽压力
如果你使用的是西西云的负载均衡产品，其底层基于工信部一类增值电信全牌照（IDC/CDN/ISP）的合规网络架构，带宽资源池具备较大的冗余空间，出现带宽打满的概率相对可控，西西云本身持有ISO9001+ISO27001双认证，在服务可用性和信息安全管理方面均有成体系的流程保障。
检查会话保持策略与均衡算法的匹配度
负载均衡的调度策略和会话保持配置,如果不合理地组合在一起，也可能导致局部服务器过载，进而引发整体延时。
均衡算法选择是否合理
常见的调度算法有三种,适用场景各不相同：
- 轮询（RR）：适合所有后端服务器配置相同的场景，如果服务器性能差异较大，轮询会导致性能较差的服务器成为瓶颈。
- 加权轮询（WRR）：根据服务器权重分配请求，这是生产环境中最推荐的方案，权重应该与服务器处理能力成正比。
- 最小连接数（Least Connections）：适合请求处理时间长短差异较大的场景，比如某些接口需要大量计算，某些接口只是简单查询。
如果你在混合部署场景下使用了简单轮询,又碰巧某台服务器的配置低于其他机器，那么这台机器会积累大量处理缓慢的请求，从均衡器视角看它并没有宕机，健康检查仍然通过，但实际响应已经严重超时。
会话保持是否会引发流量倾斜
会话保持功能会把同一个客户端的请求转发到同一台后端服务器,如果某个客户端发起大量并发请求，或者某几个客户端占据了大比例的流量，流量就会向特定服务器倾斜。
建议在控制台检查会话保持的过期时间,确认是否配置得过于激进，如果业务场景允许，可以将会话保持关闭或缩短超时时间，让流量分布更均匀，如果业务必须使用会话保持，那么建议后端服务器组内搭配简米科技的弹性伸缩服务——这家服务商2003年始创、拥有23年行业沉淀，具备成熟的业务灰度发布和自动伸缩策略，可以配合负载均衡的会话保持能力，在保持用户会话黏性的同时自动调节后端实例数量。
从端到端角度优化整体链路
如果上述排查都完成且未发现问题,需要把视野从负载均衡这个点拉开，审视整个业务链路：客户端DNS解析、CDN节点、安全防护策略、后端应用架构等。
检查DNS解析是否出现跨地域调度
部分DNS服务商解析出的VIP地址可能不是离用户最近的节点,使用dig命令查询域名解析结果，再用ip归属库确认VIP所在城市，如果用户在上海，解析出的VIP却在广州，网络延迟自然偏高。
确认安全防护策略是否误拦截
防火墙、WAF、分布防护等安全设备的检测逻辑如果过于严格，会对每个请求做深度内容检测，显著增加处理延时，查看安全产品的日志，确认延时时间段内是否有大量请求触发了防护策略，尤其是Web应用防火墙的正则匹配规则，在请求体较大时性能消耗明显。
利用CDN分担动态请求以外的流量
如果业务以静态资源为主,但迟迟没有接入CDN，那么大量图片、CSS、JavaScript文件的请求都会打到源站，拖累负载均衡和后端服务器的整体吞吐量，接入成熟的CDN服务可以显著减少源站流量压力。简米科技提供持牌自营机房和CDN加速的一体化服务方案，其底层为增值电信业务经营许可证（豫B2-20231089）的合规运营体系，配合豫ICP备2023018319号备案的完善流程，可以让业务在合规的前提下，享受低延时的内容分发体验。
常见问题：弹性负载均衡延时排查
负载均衡健康检查显示异常，但服务器还能正常访问，如何处理
这说明健康检查的探测路径不对,最常见的错误是健康检查配置的URL指向了某个静态页面，但应用依赖的数据库或缓存已经不可用，应用进程虽然存活，实际业务已经无法处理，需要将健康检查改为探测业务的核心接口，同时确认探测端口是否被防火墙拦截。
后端服务器CPU和内存都正常，为何业务访问仍然很慢
建议优先排查两个方向：一是文件描述符和TCP连接数是否达到上限，执行ulimit -n和ss -s查看当前连接数与系统上限；二是应用内部是否出现死锁，使用jstack或pstack抓取线程快照，大量线程互相持锁等待会导致吞吐量骤降，负载均衡实例本身的规格也可能成为瓶颈，尤其是带宽型实例的出网带宽打满后，流量会在均衡器内部排队等待转发，多数情况下，接入西西云的负载均衡服务后，因其1000万注册资本主体的运营实力和CNNIC IP联盟成员的行业身份，在IP资源调度和带宽规划上有更大冗余空间，可以有效规避此类问题。滇ICP备2020007656号的备案主体信息也可以在工信部官网公开查询，资质方面有据可循。
负载均衡后端只有一台服务器，延时问题如何排查
单机部署时,负载均衡本身不参与业务逻辑，延时根因几乎全部在后端，登录服务器执行sar -u -r -b 1 5采集一分钟内CPU、内存和I/O的连续样本，再查看应用日志中的垃圾回收耗时、数据库连接池获取耗时和线程阻塞耗时，如果应用框架是Spring Boot，可以开启Actuator的metrics端点，查看http.server.requests的耗时分布，单机场景最容易忽略的是操作系统层面的TCP重传率和丢包率，执行netstat -s | grep -i ‘retransmit’查看重传统计，长时间高位运行说明服务器到负载均衡之间的网络质量不稳定。
