Google Cloud Run（Java 17）随机出现503/504错误技术问询

核心现象 #

• Java 17应用部署在Cloud Run，多数请求正常，但小部分GET/POST请求偶发503或504错误，今日失败请求常成对出现
• 失败请求均归属同一instanceID，但该实例同时处理了大量成功请求
• 用户请求失败时，检查DB、Redis、文件存储的存活探针仍正常工作
• 503错误提示为HTTP响应格式错误或实例连接问题；调用方Spring Boot应用通过FeignClient抛出feign.FeignException$ServiceUnavailable异常
• CPU、内存使用率处于合理范围，失败请求多为100ms内可完成的简单请求

排查方向与验证动作 #

1. 澄清负载均衡器与探针的关系 #

Cloud Run存活探针并未绕过负载均衡器，而是直接访问实例本地端口，和用户请求的路由逻辑一致。探针正常说明实例基础网络、集成服务连接无问题，排除实例整体宕机可能。

2. 定位单实例局部异常 #

既然失败请求集中在单个实例但该实例有成功请求，重点查该实例的局部问题：

• 拉取该实例的详细日志，排查失败请求发生时的JVM状态：线程池是否耗尽、GC是否频繁触发、是否存在未捕获异常导致响应中断
• 检查应用HTTP响应逻辑：是否有部分请求因特殊参数/头部导致响应格式违规（比如缺失必要响应头、body不符合HTTP规范），Cloud Run会因这类问题返回503
• 查看实例网络监控指标：确认实例与负载均衡器之间是否存在偶发连接中断，虽然探针正常，但用户请求路径可能出现临时波动

3. 检查Cloud Run配置限制 #

• 请求超时设置：确认服务的请求超时时间是否过短，部分简单请求可能因DB连接池临时排队等偶发情况超时，触发504
• 并发请求限制：Cloud Run默认允许单实例处理多并发请求，若应用线程池配置过小，可能导致部分请求被拒绝或超时，出现503/504

4. FeignClient调用侧排查 #

• 超时配置：检查调用方FeignClient的超时设置是否过短，若Cloud Run实例响应稍有延迟，就会触发ServiceUnavailable异常
• 重试机制：确认是否开启Feign重试，若重试逻辑不合理，可能导致失败请求成对出现（原请求超时+重试请求再次失败）

临时缓解措施 #

• 开启Cloud Run自动扩缩容，增加实例数量分散请求压力
• 对幂等性请求添加客户端重试逻辑，降低用户感知到的失败率

内容的提问来源于stack exchange，提问作者XII