如何通过分析 $upstream_status 统计后端集群的整体健康分布状况-Nginx-PHP中文网

必须依赖 $upstream_status 判断后端真实健康状态，它记录后端返回的真实http状态码，配合 $status 可精准定位故障层级；需自定义日志格式并启用，再通过 awk 聚合分析错误分布与节点抖动，最终加权计算0–100健康分。

如何通过分析 $upstream_status 统计后端集群的整体健康分布状况

要真实看清后端集群的整体健康分布，不能只看 Nginx 返回给客户端的 $status（比如全是 200 或一堆 502），必须依赖 $upstream_status——它记录的是每个请求实际触达后端后，后端返回的真实 HTTP 状态码。这个变量是判断“谁在抖、抖得多狠”的核心依据。

默认 access_log 不包含该变量，需主动定义日志格式：

在 http 块中添加：
log_format upstream_log '$remote_addr - $remote_user [$time_local] "$request" $status $body_bytes_sent "$http_referer" "$http_user_agent" $upstream_addr $upstream_status $upstream_response_time';
在 server 或 location 中启用：
access_log /var/log/nginx/upstream.log upstream_log;
重启 Nginx 后，日志每行将带上游地址、状态码和响应时间，例如：
10.0.3.5 - - [12/May/2026:06:15:22 +0000] "GET /api/order HTTP/1.1" 200 342 "-" "curl/7.81" 10.0.2.12:8080 504 3.210

健康分布的关键是分清“错误类型”和“出错位置”。推荐用 awk 快速提取两类视图：

Upload audio to AIOZ Stream

快速上传音频至 AIOZ Stream API。支持默认或自定义编码配置创建音频对象，上传文件并完成处理后返回音频链接。

下载

各后端地址的错误码分布（识别某台机器是否 500 高发）：
awk '{print $8, $9}' /var/log/nginx/upstream.log | grep "^[45]" | sort | uniq -c | sort -nr
（假设第 8 字段是 $upstream_status，第 9 是 $upstream_addr）
高频失败的后端节点（不关心具体错误码，只看谁总失败）：
awk '$8 ~ /^[45]/ {print $9}' /var/log/nginx/upstream.log | sort | uniq -c | sort -nr | head -10
注意重试干扰：若某行显示 "502,504 10.0.2.11:8080,10.0.2.12:8080"，说明发生了重试，两个地址都应纳入排查范围

单看 $upstream_status 容易误判。必须联动 $status 才能区分问题发生在哪一层：

$status = 502 且 $upstream_status = "-" → Nginx 根本没连上后端（网络不通、端口未监听、防火墙拦截）
$status = 504 且 $upstream_status = "-" → 后端连接建立但无响应超时（进程卡死、OOM、或 upstream_response_timeout 设置过短）
$status = 200 但 $upstream_status 含逗号分隔值（如 "504,502,200"）→ 后端存在明显抖动，靠重试兜底成功，P99 延迟大概率已恶化
$status = 503 且 $upstream_status 为数字 → Nginx 主动拒绝（如限流触发），非后端问题

仅看原始日志不够直观，建议按分钟窗口聚合关键比率：

5xx 错误率：5xx 请求总数 ÷ 有效 upstream 请求总数（排除 "-"）
超时占比：504 数量 ÷ 5xx 总数（反映超时是否主导失败）
异常连接失败率：502/503 数量 ÷ 5xx 总数（反映后端不可达或拒绝服务）
将上述比率加权组合，可映射为 0–100 健康分，例如：
错误率 ≤ 0.3% → 95 分；每上升 0.2% 扣 3 分；504 占比 > 2% 额外扣 10 分；出现一次 502 直接扣 15 分