HAproxy源码中服务器故障切换处理位置及粘滞连接超时问题咨询

问题本质 #

在会话保持（粘滞连接）场景中，绑定的后端服务器故障时HAproxy未切换至备份服务器，反而返回504网关超时，核心原因是服务器故障检测周期与timeout server阈值不匹配：默认的被动/主动健康检测可能还未将故障服务器标记为不可用，请求就已因超时被终止，根本没触发fallback逻辑。调整timeout server到30s能解决，是因为给了故障检测足够的时间完成状态更新，但显然这个方案不符合性能要求。

核心源码位置 #

以下是与该问题直接相关的HAproxy代码区域，建议重点调试：

• 会话保持绑定逻辑：src/stick_table.c中的stick_match()和stick_store()函数，负责请求与后端服务器的绑定匹配，故障发生时是否允许解除绑定并重新选择服务器的判断逻辑在此实现。
• 后端服务器故障检测：
  • 主动健康检查：src/checks.c的check_run()，执行健康检查并更新服务器状态（如标记为DOWN）；
  • 被动故障检测：src/backend.c的process_server_response()，根据请求的连接失败、超时等错误，更新服务器的失败计数，达到阈值后标记为不可用。
• 服务器选择与Fallback逻辑：src/backend.c的be_get_server()是请求路由的核心函数，当绑定的服务器不可用时，是否会优先选择备份服务器的逻辑就在这里。如果会话保持的优先级过高，可能会忽略服务器的不可用状态，导致不触发fallback。
• 超时处理流程：src/stream.c的stream_srv_timeout()，处理服务器超时事件，决定超时后是重试切换服务器还是直接返回504。如果这里没有重试逻辑，就会直接返回错误。

排查建议 #

1. 调试be_get_server()，确认当绑定的服务器处于SRV_STATUS_DOWN状态时，是否正确进入备份服务器选择分支；
2. 检查被动故障检测的配置（如fall参数，默认需要3次失败才标记服务器DOWN），可以适当调小失败阈值，让故障检测更快触发；
3. 查看stream_srv_timeout()中的超时处理逻辑，确认是否在超时后尝试重新选择可用服务器，而非直接终止请求。

内容的提问来源于stack exchange，提问作者Mahmoud Seireg