常见故障

这一课你将能做到

1. 按「客户端 → 递归器 → 权威」的分层模型，在 10 分钟内把 DNS 故障归入 NXDOMAIN、传播延迟、解析超时、5 秒延迟四类之一
2. 对每类故障给出验证命令、根因判断与修复动作，而不是只会重启 Nginx
3. 用 dig +trace、--resolve、时间戳对比构造完整证据链，写出可复盘的故障记录

为什么要学

线上故障处理和课堂练习最大的区别：你拿到的现象往往是残缺的。「网站打不开」可能是 DNS、可能是 443、可能是证书、可能是源站；「刚改了配置」不代表故障就出在配置。DNS 故障的特殊性还在于缓存——同一个时刻，不同用户、不同地区、不同递归器看到的答案可能完全不同，初学者很容易被「我这边是好的」带偏。

本课把前面所有知识收束成一套排障方法论：先分层、再归类、后修复。第 12 课综合练习会要求你独立跑完整套流程。

先建立图像

排障决策树：

域名打不开
   │
   ├─ dig 返回 NXDOMAIN？
   │     ├─ @多个公共解析器都 NXDOMAIN → 记录不存在/域名过期/Name拼错
   │     └─ 只有本地递归器 NXDOMAIN    → 否定缓存（SOA negative TTL）
   │
   ├─ dig 新旧答案不一致（部分IP旧）？
   │     └─ 传播延迟：看 TTL 倒计时；查权威多副本是否一致；等
   │
   ├─ dig 超时（no servers reached / connection timed out）？
   │     ├─ @公共DNS 也超时 → 本地网络/防火墙/UDP53 被拦
   │     └─ 仅默认递归器超时 → 递归器故障，换解析器
   │
   └─ dig 正常但应用请求固定慢约 5 秒？
         └─ UDP 丢包重传（含 K8s conntrack race）→ NodeLocal/cache/换TCP

故障类别	典型现象	根因层	核心证据
NXDOMAIN	名字不存在	权威数据/缓存	status: NXDOMAIN
传播延迟	部分地区旧值	各级缓存/多权威	TTL、多解析器差异
解析超时	请求挂起	网络/递归器	Query time 超时、换 @server
5 秒延迟	成功但稳定慢	UDP 丢包重传	耗时 ≈5s、抓包重传

总原则：DNS 层证实或排除之前，不动 Nginx；本地视图和公网视图对齐之前，不下结论。

跟着做

步骤 1：标准开场——三个固定命令

dig www.coderoadmap.cn A                 # 本地默认视图：看 status/TTL/SERVER
dig @8.8.8.8 www.coderoadmap.cn A       # 公网视图1
dig @223.5.5.5 www.coderoadmap.cn A     # 公网视图2（国内递归）

把三次结果并排记录：status、IP、TTL、Query time。三行数据立刻区分「全局故障 / 局部缓存 / 单递归器问题」。

步骤 2：处理 NXDOMAIN

# 1) 直问权威，绕过所有缓存
dig @ns1.cloudflare.com www.coderoadmap.cn A +norecurse

# 2) 看是否域名过期（whois；Windows 可在线查）
whois coderoadmap.cn 2>/dev/null | grep -iE "expir|status"

# 3) 若是「刚新增」的记录：查否定缓存时长
dig coderoadmap.cn SOA +short

判断路径：

权威也 NXDOMAIN → 记录真没有：面板是否保存？Name 是否拼错？是否建在别的 Zone？
权威有答案、递归 NXDOMAIN → 否定缓存：等 SOA minimum（如 3600s）；急则换/刷递归器
whois 显示过期/暂停 → 续费并等待注册局恢复（与 DNS TTL 无关，可能数小时）