least_conn对grpc长连接“失效”是因为它仅在新建tcp连接时生效，而grpc基于http/2复用单连接发送多stream，后续请求不再触发后端重选；需配合grpc_pass、客户端round_robin策略及合理超时缓冲配置才能实现真正请求级负载均衡。
gRPC长连接在Nginx七层代理下负载不均，根本不是Nginx没转发，而是它根本没机会在请求级做分发——连接复用让所有stream卡死在同一个后端节点上。
为什么least_conn对gRPC长连接“失效”
gRPC基于HTTP/2，客户端默认复用单个TCP连接发送多个stream。Nginx的least_conn只在新建连接时生效，一旦连接建立，后续所有stream都复用该连接，不会重新选后端。结果就是：一个Go客户端建连到10.0.1.5:8080，之后几百个RPC调用全打过去，其他节点空闲。
- 验证方法：在Nginx access_log中添加
$upstream_addr和$connection_requests，观察同一客户端IP的多条日志——若$connection_requests持续增长（如1→92→176），但$upstream_addr始终固定，说明连接未重分配 - 关键误区：以为配置了
least_conn就万事大吉；实际上它只管“连接建立”，不管“stream分发” - 更隐蔽的问题：
ip_hash或hash $remote_addr必须禁用，否则会强制绑定IP，加剧倾斜
grpc_pass必须配合upstream，且不能用proxy_pass
Nginx对gRPC的支持依赖原生HTTP/2处理路径，proxy_pass走的是HTTP/1.x兼容逻辑，会降级为短连接或错误转发。只有upstream + grpc_pass组合才能启用真正的gRPC流式代理能力。
- 正确写法：
upstream oap_cluster { server 10.0.1.5:8080; server 10.0.1.6:8080; least_conn; keepalive 32; }，然后在location里用grpc_pass grpc://oap_cluster; - 错误写法：
proxy_pass http://10.0.1.5:8080;——这会让gRPC请求被当成普通HTTP处理，TLS握手失败、HEADERS帧丢失、流中断 - 注意前缀：
grpc://可省略，但grpcs://不可省；若后端启用了TLS，必须显式写grpcs://，否则明文传输
Go客户端必须主动启用round_robin策略
Nginx只能控制连接入口，但gRPC客户端（尤其是Go）默认使用pick_first策略：DNS解析出多个A记录，它只取第一个IP建连，其余IP彻底闲置。这是K8s+Headless Service场景下负载不均的最常见根因。
- Go客户端需显式配置：
grpc.Dial("dns:///my-svc.default.svc.cluster.local:8080", grpc.WithResolvers(dns.NewBuilder()), grpc.WithDefaultServiceConfig(`{"loadBalancingConfig": [{"round_robin": {}}]}`)) - 验证DNS是否返回多IP：
dig +short my-svc.default.svc.cluster.local，输出应为至少两个Pod IP；若只有一个，检查Service是否为clusterIP: None - 禁用DNS缓存：Go默认不刷新DNS，需设置
grpc.WithDialer自定义拨号器，或通过GRPC_GO_REQUIRE_HANDSHAKE=0环境变量规避握手阻塞
超时与缓冲参数不调，双向流必断
gRPC双向流（如实时日志推送、心跳保活）可能持续数分钟。Nginx默认grpc_read_timeout是60秒，空闲超过该时间就会关闭连接，导致Go服务端收到RST，客户端报rpc error: code = Unavailable desc = transport is closing。
- 必须设置：
grpc_read_timeout 300s;、grpc_send_timeout 300s;、grpc_connect_timeout 10s; - 缓冲区要够大：
grpc_buffer_size 256k;，避免大trace数据被截断（尤其SkyWalking等APM场景） - 关键开关：
reset_timedout_connection off;——否则Nginx会在超时后主动kill看似空闲实则活跃的流 - 健康检查要配实：
max_fails=3 fail_timeout=30s，配合proxy_next_upstream error timeout http_502 http_503，快速剔除僵死Pod
真正难的不是配参数，而是意识到：Nginx只管连接入口，gRPC流分发的主控权其实在客户端手里。不改客户端的LB策略，光调Nginx，永远只是在修漏水的桶底。
