Nginx 中健康检查怎么编写一键诊断脚本快速排查集群异常节点-Nginx-PHP中文网

nginx健康检查诊断需先区分机制：主动检查（需nginx_upstream_check_module或nginx-plus的health_check）、被动检查（依赖max_fails/fail_timeout）及手动down标记；再通过/status接口或error日志提取实时节点状态，定位down因探针失败、状态累积或配置未重载。

nginx 中健康检查怎么编写一键诊断脚本快速排查集群异常节点

在 Nginx（特别是使用 nginx-plus 或开源版配合自定义逻辑）做上游集群负载时，健康检查异常常导致请求失败、502/503、流量倾斜。一键诊断脚本的核心目标是：快速确认哪些 upstream 节点被标记为 unhealthy，并定位原因（如主动探针失败、被动状态累积、手动 down 掉等）。

确认 Nginx 是否启用健康检查及类型

先区分你用的是哪种健康检查机制：

主动健康检查（recommended）：需在 upstream 块中显式配置 health_check（nginx-plus）或使用 nginx_upstream_check_module（开源第三方模块）
被动健康检查（默认内置）：依赖 max_fails + fail_timeout，无需额外模块，但诊断信息少
手动标记：通过 upstream_conf API 或配置文件中写死 down，容易遗漏

检查配置是否存在类似以下片段：

upstream backend {
    server 192.168.1.10:8080 max_fails=3 fail_timeout=30s;
    server 192.168.1.11:8080 max_fails=3 fail_timeout=30s;
    # nginx-plus 才支持：
    # health_check interval=5 fails=2 passes=2 uri=/health;
}

提取实时节点状态（关键一步）

诊断脚本必须能读取当前生效的节点状态。不同方式对应不同采集方法：

Nginx Config Creator

创建 Nginx/OpenResty 反向代理配置文件并重载服务器。包含安全检查和环境感知功能。主要参数：服务名、域名、端口。

下载

nginx-plus 用户：直接调用 /status API（需开启 status_zone 和 stub_status）：
curl -s "http://localhost/status?format=json" | jq '.upstreams.backend.servers'
开源 Nginx + upstream_check_module：访问自定义检查页面（如 /status 或 /status/format/json），返回含 status 字段（up/down/unchecked）的 JSON
纯被动检查（无模块）：Nginx 自身不暴露运行时节点状态，只能间接判断——查 error log 中近期 no live upstreams 或 connect() failed，再结合 max_fails 值推断

编写一键诊断脚本（Shell 示例）

以下是一个轻量、可直接运行的 Bash 脚本框架（适配 nginx-plus 或 check_module）：

#!/bin/bash
UPSTREAM_NAME="backend"
STATUS_URL="http://localhost/status?format=json"
TIMEOUT=3
<h1>检查是否能连通状态接口</h1><p>if ! status_json=$(curl -s --max-time $TIMEOUT "$STATUS_URL" 2>/dev/null); then
echo "❌ 状态接口不可达，请确认 nginx-plus license 或 upstream_check_module 是否启用"
exit 1
fi</p><h1>提取该 upstream 下所有 server 状态</h1><p>down_nodes=$(echo "$status_json" | jq -r ".upstreams[\"$UPSTREAM_NAME\"].servers[] | select(.state == \"down\") | \"(.address) (.health_checks.last_passed // \"N/A\")\"")</p><p>if [ -z "$down_nodes" ]; then
echo "✅ 所有节点健康"
else
echo "⚠️  下线节点（IP + 最后一次通过检查时间）："
echo "$down_nodes" | while IFS= read -r line; do
[[ -n "$line" ]] && echo "   $line"
done
fi</p><h1>补充：检查最近 1 分钟 error.log 中的连接失败</h1><p>echo -e "\n? 近期错误线索（last 60s）："
journalctl -u nginx --since "1 minute ago" 2>/dev/null | grep -E "(connect|timeout|refused|no live)" | tail -5 | sed 's/^/   /'</p>

保存为 nginx-health-diag.sh，赋予执行权限即可运行。建议搭配 jq 使用（Ubuntu/Debian 安装：apt install jq；CentOS：yum install jq）。

常见误判与验证技巧

“Down” 不等于服务挂了：可能是健康检查路径（如 /health）返回非 2xx、超时、SSL 验证失败，先手工 curl 对应节点的检查地址
时间不同步影响判断：Nginx 主动检查依赖系统时间，若节点时间偏差大，last_passed 可能显示异常早的时间
fail_timeout 未过期仍在“临时摘除”中：即使后端已恢复，Nginx 仍会在 fail_timeout 时间内拒绝发流量，需等待或手动 up
配置热重载未生效：改完配置忘记 nginx -s reload，脚本看到的仍是旧状态

不复杂但容易忽略。