2026-11-17 03:30:23 k73游戏之家 作者:testai
登录进去没两分钟就被踢回登录页,刷新一下购物车空了,付款页面提示会话失效。这类问题客服每天都能收到几条,用户只会说一句“网站老让我重新登录”,做运维的听着就知道八成是负载均衡后面几台机器各管各的。会话这东西平时没人提,等到上了第二台应用服务器,它才突然变成一个必须处理的问题。这篇从常见的表现讲起,把粘性、共享、无状态化三种做法各自适合什么场景说清楚,也聊了跨机房时这道题会变难到什么程度,以及怎么在不影响用户的前提下把方案换掉。
同一台服务器上跑得好好的业务,一加机器就出怪事,这种案例见得太多了。表现往往是随机的:有的人一直正常,有的人十分钟被踢三次,客服记录里全是“账号异常退出”。这时候先把应用日志翻一遍,如果连一条报错都没有,问题多半不在代码逻辑,而在请求被轮询分到了另一台机器上。
判断方法其实很朴素。在页面上登录,然后在浏览器里看返回头,或者看应用日志里记录的实例编号。刷新五六次,实例编号如果一直在变,而登录状态也跟着丢,那基本可以确定是会话存在本机内存里。反过来,实例一直在变但状态没丢,说明会话已经共享出去了,问题在别的地方,比如缓存过期策略或者客户端时间不对。
另一种更隐蔽的情况:会话没丢,但页面数据不对。购物车加了一件商品,切换到另一台实例打开却看不见。这通常不是会话的问题,而是本地缓存和数据库读写分离的延迟。用户感知到的都是“状态不对”,排查时却要分成两件事查。
移动端和浏览器的差别也要考虑进来。有些 App 内置的 WebView 对 Cookie 的处理比较随意,请求可能根本不带会话标识,服务端每次都当新访客处理。日志里表现为同一个 IP 在几秒内创建了十几个会话,这类请求量看着不大,对会话存储却是持续的垃圾写入。
定位到这一步,方案选择就好谈了。要么让同一个用户的请求固定落在同一台机器上,要么把会话搬到一个所有机器都能看的地方,要么干脆让服务端不依赖会话。三种路子的成本、故障面、扩展性完全不同,下一个问题要解决的就是怎么选。
排查工具不用太复杂。抓包看请求头、看负载均衡的访问日志、看应用侧会话创建计数,三样东西对照着就能把责任划清楚。划清之后再动手改,比凭感觉调参数省事得多。
粘性会话的思路很直接:负载均衡记住某个客户端属于哪台后端,后续请求继续发给它。实现方式有按源 IP 哈希的,也有在响应里种一个 Cookie、让负载均衡按 Cookie 值做一致性哈希的。前者配置简单,但办公室、酒店、运营商出口常常共用同一个公网 IP,一批用户会被压到同一台机器上,负载反而更不均衡。
按 Cookie 哈希更靠谱一些,因为区分粒度是浏览器而不是出口 IP。代价是多了一次响应头改写,配置上要允许负载均衡插入自己的 Cookie。老一些的硬件设备对这项支持不全,得先确认版本。
粘性方案的短板在故障切换。后端一台机器挂掉,挂在它上面的那批用户会话就没了,用户看到的就是集体掉线。负载均衡能做失败重试,但重试到另一台机器上,会话还是不在,用户体验是一半人正常、一半人重新登录。
扩容时也有麻烦。新增一台后端,一致性哈希会把一部分用户重新分配,这部分用户的会话如果只存在原来的机器上,同样会丢。所以粘性方案通常要配一个较短的会话过期时间,让用户在十分钟内自然重新建立,而不是等某次故障集中爆掉。
它适合的场景是并发不高、单机就能扛住的中小站点,或者是会话数据很轻、丢了重登也不影响业务的系统。上到多机房或者要频繁扩缩容的架构,粘性就会变成一个负担。
顺带提一句,粘性不等于高可用。有人以为配了粘性就不需要会话共享了,结果做了一次滚动发布,全部用户被踢下线。发布这件事本身就会打乱后端集合,方案设计时必须把它算进去。
如果站点规模还停留在两三台机器,粘性是最省事的起步方式,改配置比改代码快。要继续往上走,就得考虑把会话搬出去。用 这条渠道的洛杉矶中型机器 单独跑一台会话服务,比在大机器上和应用抢资源更容易估算容量。
共享会话最常见的落点是 Redis,也有用数据库或者专门会话服务的。核心动作是把会话的读写从进程内存改到外部存储,应用侧只留一个轻量的客户端。改完之后,任何一台后端都能读到同一个会话,滚动发布、扩容、故障切换都不再影响登录状态。
改造时的第一个坑是序列化。原来存在内存里的是对象,搬到 Redis 要序列化成字符串,字段里如果有复杂结构,很容易在反序列化时丢字段。上线前把登录、权限、购物车这几条主链路各跑一遍,比压测更能发现问题。
第二个坑是过期策略。会话必须有独立的过期时间,而且要能续期。只设固定过期不续期,用户操作到第 29 分钟被踢;只续期不设上限,垃圾会话越积越多。常见做法是滑动过期加一个绝对上限,两个值都写进配置,别散落在代码里。
第三个坑是会话服务的可用性。会话一旦集中,它自己就成了单点。至少要做主从或者集群,客户端配置里写两个地址,主挂了自动切。切换瞬间会有少量会话读不到,应用侧的兜底逻辑应该是让用户重新登录,而不是抛一个 500。
容量估算比想象中简单。一个会话按两到五 KB 算,十万在线用户大概是 500MB 到 1GB,留一倍余量,一个 32G 内存的实例跑会话服务绰绰有余。真正吃资源的是连接数和网络往返,不是内存本身。会话数据里另有些容易忽略的东西:临时上传的分片、验证码、限流计数。这些如果也塞进同一个实例,会把会话库撑得很难看。分开放,或者给它们单独设很短的过期,运维起来清爽很多。像 云途这条渠道 里那台 40 核 256G 的机器,用它同时承载会话、队列和缓存三类中间件也不会紧张,前提是每类都给独立的库和配额。接下来是灰度方式。可以先让新登录的用户走共享会话,老会话继续留在本机,等一个过期周期过去,本机就自然空了。这样改造期间不会出现整站掉线,回滚也只是把开关切回去。
无状态化的意思是服务端不记会话,把身份凭证放在客户端,每次请求带着走。常见形式是签名令牌,服务端只验签、不存储。这样后端可以随便扩、随便换,故障切换对用户完全无感。
代价在注销和踢人。令牌签出去之后,服务端没法单方面让它失效,只能靠短有效期加刷新令牌组合。要支持强制下线,就得再维护一份黑名单,而黑名单本质上又变成了有状态的东西,只是规模小很多。
另一种麻烦是令牌变大。把权限、角色都塞进令牌里,请求头会涨到几 KB,静态资源请求也跟着带,流量和解析开销都不小。权限信息放服务端查、令牌里只放用户标识,是更常见的折中。
无状态化对移动端特别友好。App 不需要依赖 Cookie,令牌存在本地,跨网络切换、跨机房访问都不用额外处理。做跨境业务时这一点很实用,用户从不同地区进来,后端集合可以按地域划分,会话却不用跟着搬。安全边界要守住。令牌必须加密传输,签名密钥定期轮换,刷新令牌要有单独的生命周期和绑定信息。轮换期间新旧密钥并存一段时间,否则所有在线用户会被集体踢出。这套方案的门槛不在技术,而在业务能不能接受“注销有延迟”。有强制下线需求的系统,通常会在令牌里带一个版本号,用户被踢时把版本号加一,服务端校验版本,效果接近即时失效,代价是多一次缓存查询。
单机房内的方案搬到多机房,问题会成倍放大。用户在北京登录,被调到香港的节点,会话如果只在上海的存储里,跨机房读一次就要几十毫秒,页面上每个请求都带着这个延迟,体验会明显变差。
常见做法是会话就近读写,加一层跨机房异步复制。用户在哪个机房登录,就在哪个机房写主副本,另一个机房异步同步。切换时可能有几十秒的数据滞后,落在这段窗口里的用户会需要重新登录,比例通常很低,可以接受。
路由策略也要跟着改。粘性会话在跨机房场景里不太现实,用户网络一变就可能被调到另一个机房。更稳的做法是让网关按用户标识做哈希,同一个用户始终进同一个机房,只有该机房不可用时才切走。切换演练必须做,而且要按真实路径做。手动把主机房的下游断掉,看流量多久能切过去、切过去之后会话命中率掉多少、用户需要重登的比例是多少。这些数字写进预案,比一句“支持多活”有用得多。带宽和延迟要单独算。会话数据量小,跨机房复制对带宽压力不大,但对延迟敏感。同步方式选异步、批量合并写入,能把往返次数压下来。反过来,如果把会话和业务数据混在同一条复制链路上,业务高峰时会话同步会被拖慢。监控上要盯会话创建速率。正常业务下这个曲线很平稳,一旦出现大批量创建,说明有用户在反复丢会话,可能是某个机房的存储出了问题,也可能是客户端策略变了。这个指标比错误率更早发出信号。机房怎么选是另一层判断。香港节点到内地的延迟普遍在十几到三十毫秒,适合做内地用户的主入口;洛杉矶节点覆盖面更广,适合承接海外流量。两地各放一套会话存储,按用户来源分流,比全部集中在一处更稳。具体到机型,洛杉矶那几档中等配置 跑会话和网关都够用,真正的瓶颈一般在带宽和线路质量,而不是核数。两地的机器不必追求同样的规格,入口侧偏重网卡与线路,存储侧偏重内存与磁盘,分工明确之后预算会花得更准。
换会话方案是一次有风险的变更,最好按阶段推进。第一阶段双写,新旧两套都写,读还是走旧的;第二阶段双读比对,确认新方案的命中率和数据一致;第三阶段切读,新旧并存观察一周。
每个阶段都要有明确的回滚条件。比如新方案读失败率超过千分之五,就自动切回旧路径。这个开关不要放在代码里靠改配置重启,要做成运行时可切的开关,出事时几十秒内能退回去。
用户侧的影响要提前评估。切换期间可能出现少量用户需要重新登录,公告、客服话术、帮助中心都提前准备好。这类小事如果不提前打招呼,很容易变成一堆投诉。
上线时间挑低峰。凌晨三点到五点之间做,出问题也有时间处理,白天的高峰期不要碰这类变更。发布窗口和会话方案的切换窗口错开,两个变量一起动,出问题就分不清是谁的锅。
回滚之后要复盘。为什么失败率超了阈值,是配置写错、容量不够,还是某个客户端不发 Cookie。把原因写进变更记录,下次做同类迁移时可以直接抄作业。
长期看,会话这件事应该被当成基础设施的一部分,而不是某个应用自己的事。统一一套会话服务、一套过期策略、一套监控,多个业务共用,维护成本会比每个业务各搞一套低得多。
会话服务的选型有一个容易被忽略的点:它对时钟很敏感。过期判断依赖各机器的系统时间,几台机器之间差上十几秒,就会出现刚写的会话读不到、或者早该过期的会话还在。时钟同步要单列一项运维动作,别指望默认配置。
选机器的时候不必追求最高配。会话服务的资源曲线很平,CPU 常年低位,内存和网络更关键。按在线用户数的两倍估算内存,按峰值请求数估算连接,剩下的钱留给带宽更划算。