nginx与keepalived高可用需构建“可感知、可响应、可收敛”闭环：健康检查须穿透业务层，切换逻辑需权重+时间窗防抖动，配置与资源必须严格同步，验证须覆盖端到端故障链路。
要让 Nginx 与 Keepalived 真正支撑起分布式服务的高可用，关键不是堆机器，而是构建一套“可感知、可响应、可收敛”的闭环机制。它不单是 VIP 漂移，而是把服务健康状态、网络连通性、配置一致性、切换行为全部纳入可控范围。
健康检查必须穿透到业务层
只检测 Nginx 进程是否存活远远不够——进程在，但 upstream 全挂、SSL 加载失败、location 配置被误删，用户照样打不开报表或登录页。真实可用性检查得层层递进：
- 确认主进程存在且有权限：
kill -0 $(cat /var/run/nginx.pid 2>/dev/null) - 验证监听端口真实生效：
ss -tln | grep -q ':443$'（别只查 80） - 发起轻量级 HTTP 探针：
curl -f http://127.0.0.1/healthz -s -o /dev/null -w '%{http_code}'，需在 Nginx 中明确定义location /healthz { return 200; } - 脚本统一返回 exit 0 表示健康，非 0 触发降权，Keepalived 才会真正“信”
Keepalived 切换逻辑要可量化、防抖动
切换不是靠“感觉”，而是靠权重变化和时间窗口双重约束：
- 主节点
priority 100，备节点priority 90，差值设为 5～10，留出缓冲空间 -
vrrp_script中weight -5+interval 2+timeout 3，确保两次失败才触发降权，避免瞬时卡顿误判 - 启用
preempt_delay 30，主恢复后等待半分钟再尝试抢主，防止网络抖动引发反复切换 -
virtual_router_id和auth_pass主备必须完全一致，否则 VRRP 报文根本收不到
接管后行为必须零差异
VIP 漂过去只是第一步，备机能否无缝承接，取决于配置与资源是否同步：
- Nginx 配置文件（
nginx.conf及include的所有子配置）需用 rsync 或 Ansible 定期同步，禁止手工修改备机 - SSL 证书路径、私钥权限、静态资源目录（如 BI 前端 dist 包）必须完全一致，建议统一挂载 NFS 或对象存储
- 启用
notify_master和notify_backup脚本，在角色变更时自动 reload Nginx、清理本地缓存、推送告警 - 所有日志路径、PID 文件位置、user/group 设置保持一致，避免启动失败
验证必须模拟真实故障链路
不能只 ping VIP 或看 ip addr，要走通端到端请求流：
- 用
kill -9 $(cat /var/run/nginx.pid)强制终止主节点 Nginx，观察 VIP 是否 3 秒内出现在备机ip addr输出中 - 同时运行持续探测：
while true; do curl -s -w "%{http_code}\n" http://VIP/healthz; sleep 0.5; done，确认 HTTP 状态码从 000 → 502 → 200 的完整过渡 - 检查备机 Nginx error.log 是否有 upstream timeout、connect refused 等残留错误，说明后端服务未同步就绪
- 用 tcpdump 抓包验证：VIP 切换后，客户端 SYN 包是否准确到达备机 eth0，而非被 ARP 缓存误导
