每次发版执行 systemctl reload php-fpm,监控上 502 会冒一个尖刺,三十秒里两百多条,用户端表现为刷新一下就好,所以一直没人管。fpm 版本 8.2.13,pm 是 dynamic,max_children 40,process_control_timeout 没写,也就是默认 0。
先怀疑 nginx 到 fpm 的长连接。upstream 加了 keepalive 32,proxy_next_upstream 补上 error timeout,502 还是照样来。又调到 max_children 60,4 核 8G 的机器跑起来更吃力,尖刺数量一点没变。
翻 fpm 日志,reload 那几秒里 child exited on signal 15 after 0.001 seconds 和 seems busy 交替出现。ss -lnt 看 9000 端口,Recv-Q 顶到 511,正好是 listen.backlog 的值。链路清楚了:reload 时老 worker 收到退出信号,正在跑的慢请求不肯走,master 等不到就杀掉;新 worker 起得慢,积压连接把 accept 队列塞满,nginx 拿不到响应就回 502。
process_control_timeout 从 0 改成 10 秒,给慢请求留收尾时间;pm 从 dynamic 改成 static,预起 40 个 worker,省掉 fork 抖动;reload 前先让 nginx 把这一台从 upstream 摘掉,等 15 秒再发信号。三步一起上,连发五次版,502 是 0。
慢请求本身也要治。slowlog 里排前面的三个接口都跑 8 秒以上,逐个加缓存之后,reload 期间最多等 2 秒,摘流量的窗口也缩短了。
验证不只看监控数字:发版期间用脚本每 200 毫秒打一次首页,记录状态码和耗时,五次共 9000 个请求,没有一条 502,p99 稳定在 180 毫秒。
; php-fpm.d/www.conf
pm = static
pm.max_children = 40
process_control_timeout = 10s
request_slowlog_timeout = 5s
slowlog = /var/log/php-fpm/slow.log 