周一早上运维群发来截图,登录接口 401 的比例从 0.3% 涨到 12%。网关日志原文是 JWT expired at 2026-11-09T02:11:43Z. Current time: 2026-11-09T02:11:40Z, a difference of 3000 milliseconds。签发时 exp 还有两小时,校验却说已经过期三秒。
第一反应是有效期设短了。翻配置,access token 7200 秒,refresh token 30 天,跟半年前一模一样,没人动过。
改成 86400 秒,第二天还是偶发。抓了 200 条失败请求看来源,全集中在周五新扩的两台机器上,老机器一条都没有。这个分布说明问题不在 token 本身。
登录那两台机器执行 date -u,和跳板机差了 3 秒。chronyc sources 显示连的是内网 NTP,offset 2.8 秒,SYNchronised 那栏是 no。装机的人抄了旧模板,地址写的是一个已经下线的域名。
把 chrony 指到可用源,重启服务,offset 压到 8 毫秒。根因解决了,但跨机器调用没法保证每个节点都这么准。
应用层再留一点余量。jjwt 0.11.5 有 setAllowedClockSkewSeconds,校验时允许 60 秒偏差,签发时间不受影响。
JwtParser parser = Jwts.parserBuilder()
.setSigningKey(key)
.setAllowedClockSkewSeconds(60)
.build();
Claims c = parser.parseClaimsJws(token).getBody();
long ttl = c.getExpiration().getTime()
- System.currentTimeMillis();
顺手把重复校验也收了。网关校验一次,业务服务用另一套库再校验一次,两边对 exp 的边界处理差一秒,一个放一个拦,前端看到的就是时好时坏。
刷新逻辑提前了。原本在过期前 30 秒刷新,现在提前 5 分钟,给网络抖动留缓冲。改完前端重试次数少了三成。
确认方式:grep 一天的网关日志,401 归零;jmeter 打 400 并发跨机器调用,跑 40 分钟没有一条 expired;再把一台机器时间拨快 30 秒,请求仍能通过,拨快 90 秒才开始拒绝,和 60 秒的余量对得上。
时间同步平时没人管,出事时错误文案又指向 token,很容易往业务代码上找。现在开机脚本里加了 chronyc tracking 检查,offset 超过 500 毫秒就告警。
