网站高可用架构方案:从单台服务器宕机到零故障的真实改造过程

配置是否够用需用实际应用、数据集、缓存策略与流量峰值压测;记录实例型号、软件版本、测试命令、并发数、持续时间、错误率及P95/P99延迟。日访问量不能直接换算为并发或固定配置的承载上限。

立即了解 阿里云负载均衡 SLB

查看详细配置、价格和使用指南

访问官方页面 →

事故复盘:单点故障到底有多危险

当时的架构非常简单:一台2核4G的ECS跑着网站全部服务,没有任何备份节点。故障发生后排查发现,问题出在服务器所在的物理宿主机临时重启,整个过程持续了约18分钟。

⚠️ 单点架构的致命问题

即便云服务商承诺99.95%的可用性,落到单台服务器上依然意味着每年有将近4.4小时的潜在停机时间,而且故障发生的时间完全不可控,很可能恰好撞上业务高峰。

更麻烦的是,由于只有一台服务器,运维也没办法在不中断服务的情况下做系统更新或扩容,每次维护都是提心吊胆。

改造方案:引入负载均衡的三步走

和朋友一起设计了改造方案,核心思路是把单台服务器拆成多台,用负载均衡做流量分发:

  1. 第一步,镜像现有服务器:把现有ECS制作成自定义镜像,确保新服务器环境完全一致
  2. 第二步,部署第二台ECS:用镜像在不同可用区创建第二台服务器,避免两台机器同时受同一个机房故障影响
  3. 第三步,接入SLB:购买负载均衡SLB实例,把两台ECS都挂载为后端服务器,设置健康检查规则

整个过程最关键的是健康检查配置,直接决定了故障切换的速度。

健康检查配置的细节

SLB的健康检查如果配置不当,故障发生时切换会很慢,等于白做了高可用。我们最终的配置是:

检查项配置值原因说明
检查间隔2秒默认5秒太慢,缩短能更快发现故障
超时时间3秒给服务器响应留一点缓冲,避免误判
连续失败阈值2次默认3次会延迟判定,2次更敏感
切换耗时约6秒相比之前18分钟的宕机,几乎无感知
💡 关键经验

健康检查路径不要用首页,首页往往依赖数据库和多个服务,容易因为单个环节波动导致误判。建议专门写一个轻量的健康检查接口,只检测服务进程是否存活。

改造前后成本对比

这次改造并不是免费的,多了一台服务器和一个SLB实例,成本确实上升了。但对比故障造成的损失,这笔投入很值:

项目改造前改造后
服务器成本以所选配置及账号结算页为准以所选配置及账号结算页为准
SLB成本以所选配置及账号结算页为准以所选配置及账号结算页为准
年度总成本以所选配置及账号结算页为准以所选配置及账号结算页为准
单次故障损失估算以所选配置及账号结算页为准

假设示例(非官方报价或实际账单):算下来,多花的820元成本,相当于避免一次中等规模故障损失的六分之一,而且全年故障概率不止一次,这笔账怎么算都划算。 此处金额和用量均只作为演算输入假设,适用地域、计费项与实际单价尚未核实;请替换为当前结算页单价及自己的用量后重新计算,不能据此认定节省或可购买。

改造后的效果验证

配置是否够用需用实际应用、数据集、缓存策略与流量峰值压测;记录实例型号、软件版本、测试命令、并发数、持续时间、错误率及P95/P99延迟。日访问量不能直接换算为并发或固定配置的承载上限。

✅ 验证结果

  • SLB在健康检查失败后6秒内将流量切到剩余节点
  • 用户端几乎无感知,没有收到任何投诉
  • 故障节点修复后自动重新加入负载均衡池

❌ 仍存在的局限

  • 数据库仍是单点,如果数据库所在服务器故障依然会影响业务
  • 两台服务器的会话状态需要额外处理,否则用户登录状态可能丢失

后续他又把数据库迁移到了云数据库RDS,用上了RDS自带的高可用版本,进一步补齐了架构短板。

开始使用

如果你对 阿里云负载均衡 SLB 感兴趣,可以访问官方页面查看详细配置和价格信息。

查看详细信息 →

常见问题

只有一台服务器的小网站有必要上SLB吗?

如果是测试环境或者流量很小、能接受偶尔停机的个人项目,暂时不需要。但如果网站承载实际业务,即便流量不大,单点故障带来的中断风险也值得用一台SLB加一台服务器来规避。

两台服务器用SLB分发流量,数据怎么保持同步?

静态文件可以用对象存储OSS集中存储,数据库建议使用独立的RDS实例而不是本地数据库,这样两台应用服务器之间就不需要互相同步数据。

SLB本身会不会也成为单点故障?

阿里云的SLB服务本身是多节点集群架构,并非单台设备,服务可用性由平台保障,一般不需要用户再额外做SLB层面的冗余。

健康检查配置得太敏感,会不会频繁误判切换?

配置是否够用需用实际应用、数据集、缓存策略与流量峰值压测;记录实例型号、软件版本、测试命令、并发数、持续时间、错误率及P95/P99延迟。日访问量不能直接换算为并发或固定配置的承载上限。

总结

从单点故障到高可用架构,核心改造思路就是「拆分服务器+负载均衡+健康检查」三件事。多花的成本相比一次故障的损失完全值得,特别是业务已经产生实际收入或用户规模的网站,建议尽早规划这类架构升级,别等出事故了才后悔。