DNS 调度切 30% 流量没过来 递归缓存怎么绕

灰度方案定的是把 30% 的静态流量切到新机房。改完智能 DNS,等了二十分钟,新机房入口只进来 4%,老机房带宽一点没降。

第一反应是调度规则写错。把解析结果逐个运营商去查,权威那边返回的 A 记录确实按比例分了,三成的递归拿到新 IP。

问题在递归缓存。抽样问了几个地市的 LocalDNS,同一域名拿到的还是两小时前的旧记录,TTL 明明写了 60 秒,缓存时间却是 600 秒。

有一类递归不认权威的 TTL,自己定下限,常见的值是 600 秒,也有 3600 的。这种情况下改记录、降 TTL 都没用,只能等,或者换一条路。

中间还怀疑过 EDNS CLIent Subnet。抓了递归的查询包,大部分请求带过来的 subnet 是空的,调度器只能按递归 IP 归属地判断,出口在省会的递归会把整个省的用户都算成省会。

试过把 TTL 提前一天降到 30 秒,切换窗口缩到十分钟以内,还是有 8% 的流量卡着不动,来自三家小运营商。

换方案,DNS 只负责把用户带到一个调度入口,真正的机房选择放在 HTTP 层。入口按比例回 302,客户端跟着跳,缓存完全不参与。

dig +short cdn.a.com @202.96.128.86
dig +trace cdn.a.com @8.8.8.8 | grep -E 'CNAME|IN\s+A'
curl -sI https://cdn.a.com/ | grep -i x-cache

302 有代价,多一次 RTT,首屏慢了 40 毫秒。折中的做法是只对首屏 HTML 做跳转,静态资源按域名直连,后续请求不再经过入口。

上线后一小时,新机房流量到 29.4%,老机房同步下降,两边带宽曲线对得上。那三家小运营商的用户也在里面,302 不看 DNS 缓存。

这次没动 ECS,因为入口方案已经把这块绕开。后面再优化调度精度,才需要把 ECS 打开并确认递归不剥这个字段。

您可以还会对下面的文章感兴趣: