Azure SignalR调用JoinGroup偶发失败，启用ServerStickyMode后恢复

核心原因分析 #

这个50%概率的偶发错误，结合设置ServerStickyMode=Required后问题消失，本质是后端多实例部署下的请求路由不匹配：

• Azure SignalR服务默认使用ServerStickyMode=Disabled，会将客户端的请求随机分发到任意后端实例。
• ASP.NET Core SignalR的Groups.AddToGroupAsync操作依赖当前后端实例维护的连接上下文，当JoinGroup请求被路由到非该连接建立时的后端实例时，该实例无法找到对应的连接上下文，从而触发服务器端错误。
• 50%的失败概率通常对应后端部署了2个实例，请求被平均分发到两个实例，只有路由到连接初始实例的请求能成功。

解决办法 #

方案1：启用服务器粘性会话（推荐） #

保持ServerStickyMode=Required配置，强制Azure SignalR将同一个客户端的所有请求路由到连接建立时的后端实例，确保连接上下文一致。在Program.cs/Startup.cs中配置：

services.AddSignalR()
        .AddAzureSignalR(options =>
        {
            options.ServerStickyMode = ServerStickyMode.Required;
        });

方案2：使用Azure SignalR组管理API（无状态场景） #

如果后端需要完全无状态部署，可以绕过后端实例的连接上下文，直接调用Azure SignalR的组管理API来添加连接到组。这种方式不依赖特定后端实例，避免路由问题。

额外排查验证步骤 #

• 确认后端实例数量：检查部署平台（如Azure App Service）的实例数，若为2个则完全匹配50%的失败概率。
• 启用Azure SignalR诊断日志：在Azure门户中给SignalR服务开启诊断日志（选择SignalRServiceLogs类别），查看请求路由的实例信息，验证失败请求是否被分发到了非初始实例。
• 添加自定义实例日志：在JoinGroup方法中记录当前实例ID和连接ID，对比成功/失败请求的实例差异：

  public async Task JoinGroup(RecoveryGroupName groupInfo)
  {
      var instanceId = Environment.GetEnvironmentVariable("WEBSITE_INSTANCE_ID");
      _logger.LogDebug("JoinGroup triggered on instance {InstanceId}, connection: {ConnectionId}", instanceId, Context.ConnectionId);
      
      await Groups.AddToGroupAsync(Context.ConnectionId, groupInfo.GroupName);
      
      _logger.LogDebug("Connection {ConnectionId} added to group on instance {InstanceId}", Context.ConnectionId, instanceId);
  }
  

内容的提问来源于stack exchange，提问作者WBuck