微服务网关视角：建站资源如何告别够用即浪费循环

　　告警响的那一刻，我正把泡面桶从键盘底下抽出来，汤汁滴在三年没换过的机械键盘F键上——F键早不灵了，但没人动它，毕竟网关面板里那个“健康检查失败”红灯，比F键更不灵。

文章配图，仅供参考

　　手机在裤兜里震第三下时我才掏出来，是开发老张，语音条一放出来就带电流声：“你快看看路由表，我们灰度发了个新版本，API全404了。”我没回他，手指直接划开跳出来的钉钉消息——不是路由表，是网关集群CPU打满，三台机器里两台扛着98%，剩下一台还在苟，日志里刷着同一行：`failed to resolve upstream: timeout after 300ms`。我原以为又是DNS抖动，顺手敲了`dig @127.0.0.1 -t A service-auth`，结果连本地CoreDNS都超时。我顿了顿，改敲`kubectl get pods -n gateway | grep auth`，回车前瞄了眼屏幕右下角——窗外天快亮了，蓝得发青。

　　其实是网关本身没坏。坏的是建站资源那套“够用即止”的祖传逻辑。前年上线那个营销活动页，开发提需求说“撑住三小时峰值”，运维按图索骥配了两台网关实例、八核十六G、挂了三个SLB后端，证书用Let’s Encrypt自动续，磁盘只分了100G——反正日志轮转删得勤。结果呢？活动结束了，资源没动。证书续着续着续出错，因为域名早被另一个项目复用了；监控埋点还在报`gateway_response_time_p99`，可没人再看这条线；备份？我说实话，那次迁移前我真没做配置快照——想着“又不是核心链路”，手滑删了旧configmap，补的时候发现YAML里混着去年双十一的限流阈值，调低了0.3，导致支付回调被熔断十七分钟。

　　机房很冷，我裹紧羽绒服外套站在机柜前盯控制台，同事阿哲递来一杯速溶咖啡，杯子边沿还粘着昨天开会留下的饼干渣。他指指旁边空着的机柜位：“上次说扩容的五台机器，现在还在厂商库里压着箱底。”我没接话。五台？我们真正需要的是能活下来的那一台——或者干脆不要，让流量直打服务网格入口。但没人敢砍。谁砍，谁担责。砍掉一台，万一明天大促崩了呢？砍掉一个证书自动续签任务，万一哪天凌晨两点证书过期了，背锅的是不是得算到我头上？所以最后我们都选择留着——留着故障率0.01%的备用节点、留着三年没碰过的灰度开关、留着所有曾经“够用”的配置片段，像一堆过期药片堆在急救包里，标签都模糊了，但谁也不敢扔。

　　反常识的是，最省事的降本，从来不是精打细算盘算CPU利用率百分比。是让资源自己死。让不够格的网关实例在健康检查里自然下线；让三个月没被调用过的API路径在网关层返回410 Gone而不是404；让证书管理策略强制拒绝重复域名绑定，哪怕开发骂娘；让每个新建路由必须填SLA承诺值，写明“超时阈值×2未达标则自动停用”。优胜劣汰不是口号，是网关过滤器链里加的一行硬逻辑：`if (last_active_at < now - 90d) disable_and_notify("dev@xxx")`。去年我给测试环境试过，一周之内清理了七十二个僵尸路由、十一组冗余重写规则、还有四十七个连文档都没人维护的Mock插件。不是我们狠，是它们本来就不该活过上个季度。

　　我老婆昨晚发微信问晚饭吃啥，我没回。她后来补一句：“冰箱里剩半盒豆腐，你自己热一下。”我看了眼屏幕左上角还在滚动的pod重启计数器，心想——豆腐也得趁新鲜吃，放久了结块，热透了也不香。可咱这行偏信“宁可多备三台，不可少开一个线程”。上周值班表排到我名下那天，家里煮了芋圆甜汤，糖放多了，腻得发齁。我就着甜汤啃完最后一口馒头，顺便把明天早上的证书续签脚本提前手动跑了一次……怕它半夜自己续崩。结果脚本卡在权限校验那儿不动了，我也没管，反正续签窗口还宽得很。

　　其实那天最致命的操作，是我顺手在K8s configmap里把`enable_rate_limit_v2`改成true时，忘了查上游服务有没有接入新限流头字段。半句没多想，回车就走。然后凌晨四点十七分，支付渠道回调开始503，而错误日志里清清楚楚写着`header x-ratelimit-key not found`。我没查清这是服务方接口变更还是我们网关漏传，也没翻git blame确认是谁上周merge的配置模板——反正现在补上头字段就行。但你知道吗？这破字段，三个月前就被开发邮件抄送过全组，标题叫《新版限流协议对接说明》，我扫了眼，附件PDF太大，没点开。

　　阿哲刚才又过来，说机房的人打电话问是不是要重新拉一条BGP线路，“反正今年预算还剩点儿”。我摆摆手说先不急。我想把那三十多个长期闲置的网关子域名先下掉，把对应DNS记录批量设成NXDOMAIN——不是为了省DNS查询费，是让下次开发再提“临时上线个活动页”，得自己扛着域名注册、CNAME、证书申请、WAF白名单、网关路由注入这一整套流程。流程越沉，决策越慢；决策越慢，资源越不敢乱生。这事本来能避免，只要我们当年上线第一个活动页时，就定下规矩：所有临时资源有效期≤七天，超时自动失效，且续期需三人审批签字。可惜没人提，或者提了，又被一句“先上线再说”摁回去了。

　　我打算今天下班前，把那个三年没动过的gateway-config-backup-2021.tgz删了。就删。不备份，不归档，不迁移。硬盘空出来，放点别的东西——比如下个月新网关SDK的编译缓存，或者，随便什么。

（编辑：站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!