nginx集群高可用需分层设防：入口层用vip+keepalived实现秒级故障漂移；转发层通过主动健康检查与proxy_next_upstream自动摘除异常后端；容灾层采用本地缓存冗余+stale策略兜底；可观测层依托日志、指标与告警闭环优化。
保障 Nginx 集群中数据链路的高可用冗余，关键不是堆机器，而是分层设防：让流量入口不单点、转发路径可自愈、后端异常能兜底、缓存服务不断档。
入口层：VIP + Keepalived 实现无感漂移
单台 Nginx 就是天然单点。必须部署至少两台 Nginx 服务器（主+备或双主），通过 Keepalived 绑定同一个虚拟 IP（VIP）。DNS 或客户端直连该 VIP，而非物理 IP。
- Keepalived 基于 VRRP 协议持续心跳检测，主节点故障后 1–3 秒内自动将 VIP 漂移到备用节点
- 两台 Nginx 配置需完全一致（nginx.conf、upstream 列表、SSL 证书、缓存路径等）
- 避免使用单网卡绑定 VIP，建议配置独立管理网段或启用 nopreempt 防脑裂
转发层：upstream 主动健康检查 + 自动摘除
仅靠轮询或 passive 容错（连接失败才剔除）无法及时感知后端“假活”（如进程卡死但端口通）。必须启用主动探测机制。
- 开源版推荐组合：
max_fails=3 fail_timeout=30s+ 后端统一暴露/health接口（返回 200 + {"status":"UP"}） - 非核心节点可设为
backup，仅当所有主节点不可用时才参与调度 - 配合
proxy_next_upstream error timeout http_502 http_503 http_504，请求失败后自动重试其他节点
容灾层：缓存冗余 + stale 策略兜底
后端全挂时，若 Nginx 缓存也跟着失效，用户看到的就是空白或错误页。需要让缓存本身具备韧性。
- 多台 Nginx 节点各自独立启用相同缓存规则（
proxy_cache_path、key、TTL），不共享存储，实现缓存物理冗余 - 开启
proxy_cache_use_stale error timeout updating http_500–504，允许返回过期缓存应对后端异常 - 为静态资源设长 TTL（1年），动态页设短 TTL（5–30分钟）并启用
stale-while-revalidate - 预缓存定制化 50x 维护页，后端全部不可用时直接返回本地 HTML，做到“有内容的中断”
可观测层：日志 + 指标 + 告警闭环
高可用不是配完就结束，而是靠持续反馈驱动优化。
- 在 access_log 中记录 upstream_addr 和 upstream_status，快速定位转发异常节点
- 暴露 Nginx stub_status 或集成 Prometheus exporter，监控 active connections、request rate、upstream health
- 对 upstream 失败率、VIP 切换事件、stale 缓存命中率设置阈值告警
- 结合业务日志做幂等重试判断，避免因重试导致重复扣款等副作用
