客户反馈后台偶尔登不上,前端说是接口超时。我 dig 了他们的域名,加 +trace 从根问下来,CNAME 一条接一条,数了数是五层,从 CDN 到对象存储再到第三方统计,中间跨了三家厂商。
每层 CNAME 都要递归服务器再发起一次查询,跨厂商还得走公网,单次平均 150ms,五层叠起来就是 780ms。TTL 全写的 60,缓存几乎不起作用,用户每开一个页面都得重新问一遍。
部分递归服务器对链长有限制,超过 8 层直接 SERVFAIL,我们离阈值只差三层。移动网络下 RTT 本来就高,五层链很难挤进 2 秒的解析超时。
压平就两个办法。能用 A 记录就别写 CNAME,中间层只是做跳转的,直接在上面那层把最终地址写死;必须保留 CNAME 的,用厂商的展平功能,权威侧应答时直接返回 A。
中间还查过一次权威应答,有的厂商在链里塞了自己的 CNAME,长度 78 字节,UDP 不分片没事,加上 DNSSEC 签名就超 512 字节,只能改走 TCP,这一趟又多一个 RTT。
我们做了三步:统计域名的 CNAME 从主域摘掉,改成异步加载的独立域名;对象存储那层改展平;剩下的两层合并成一层。
改完链长从五层降到一层,解析中位数从 780ms 掉到 96ms,失败告警也停了。TTL 从 60 提到 600,权威查询量降了八成。
确认方式是把 dig 跑一百次取中位数,同时盯 resolver 的 SERVFAIL 计数:
for i in $(seq 1 100); do
dig +noall +answer www.a.com | wc -l
done | sort -n | uniq -c
dig +trace www.a.com | grep -c CNAME
一百次里最长 210ms,没有一次失败。链长这种问题改之前必须先数清楚,光看最后一跳的 A 记录会被骗过去。
