应通过定制nginx access log记录$upstream_next_count变量，再经filebeat/loki或fluentd等日志解析链路提取为prometheus指标；该变量自1.23.0起精确反映proxy_next_upstream触发的重试次数，并需结合upstream_status和upstream_addr过滤伪重试场景。
要监控 Nginx 反向代理转发失败后的重试次数，不能只依赖 Prometheus 原生 nginx-exporter 的默认指标——它不直接暴露 proxy_next_upstream 触发的重试行为。真正可行的方式是：**通过定制 access log 记录重试标识，再由日志采集链路（如 Filebeat + Loki / Fluentd + Prometheus Exporter）解析并暴露为 Prometheus 指标**。
用 $upstream_next_count 打点重试动作
Nginx 自 1.23.0 起稳定支持内置变量 $upstream_next_count，它精准反映因 proxy_next_upstream 切换上游节点的次数：
- 值为 0 → 首次请求，未重试
- 值为 1 → 触发一次重试（共发送 2 次）
- 值为 2 → 触发两次重试（共发送 3 次）
在 log_format 中显式记录该变量：
access_log /var/log/nginx/retry.log retry_log;
用日志解析器转成 Prometheus 指标
原生 nginx-exporter 不解析日志字段，需借助外部工具将 next_count 提取为可聚合指标：
- 用 prometheus-logstash-exporter 或 mtail 解析日志行，按
next_count > 0统计重试请求数 - 用 Fluentd + prometheus-plugin 提取
next_count字段，生成指标如nginx_upstream_retry_count{next_count="1"} - 若已用 Loki + Promtail，可通过 LogQL 定义指标：
sum by (next_count) (count_over_time({job="nginx"} |~ "next_count=[1-9]" [1h]))
关联 upstream_status 和重试原因
单看重试次数不够，还要知道为什么重试。Nginx 同时提供 $upstream_status（逗号分隔的各次响应码）和 $upstream_tries（总尝试次数）：
- 日志中出现
upstream_status="504,502"且next_count=1→ 第一次重试因超时失败，第二次因服务不可用失败 - 配置
proxy_next_upstream error timeout http_500后，upstream_status中含500才算有效重试触发 - Prometheus 查询可写成：
rate(nginx_upstream_retry_total{next_count=~"1|2|3"}[5m])，再用upstream_status标签做多维下钻
避免误统计：过滤伪重试场景
不是所有 next_count > 0 都代表容错重试成功切换，需排除干扰：
-
upstream_addr显示相同 IP:port 多次 → 实为长连接复用，非重试 -
next_count=0但upstream_response_time > 3s→ 单次慢响应，未触发重试 -
upstream_addr切换但next_count=0→ 属于负载均衡调度（如 ip_hash），不是proxy_next_upstream行为
