Varnish后端宕机时无法继续提供缓存服务的配置问题咨询

配置核心问题与修复方案 #

已存在的问题

1. 重复定义了vcl_recv子例程，VCL中重复定义同个子例程时，后定义的会完全覆盖前一个，你用于分配后端路由的第一个vcl_recv逻辑完全没有生效，流量路由规则错误是触发503的核心原因之一。
2. 未在vcl_recv中显式声明允许使用的 grace 时长，Varnish无法自动启用你在后端响应中设置的12小时 grace 模式。
3. 硬刷新的 ban 逻辑未做后端健康判断，无论后端是否可用，只要收到Cache-Control: no-cache头就会清除对应缓存，后端宕机时会直接清空可用的缓存内容。
4. Ban 规则的匹配字段和存储的缓存标记不匹配，你在vcl_backend_response中存了x-host和x-url作为缓存标记，但Ban规则用的是原始req.host和req.url，可能出现无法命中Ban规则的问题。
5. 缺少后端错误时的兜底返回逻辑，后端返回5xx时没有优先返回陈旧缓存的规则。

具体修改步骤

1. 合并两个vcl_recv子例程，把后端路由逻辑放到第二个vcl_recv的最开头：

sub vcl_recv {
    # 原第一个vcl_recv的后端分配逻辑移到这里
    if (req.http.host == "example.com" || req.http.host == "example2.com") {
        set req.backend_hint = server_b.backend();
    } elseif (req.http.host == "example3.com") {
        set req.backend_hint = server_c.backend();
    } else {
        set req.backend_hint = server_a.backend();
    }
    
    # 原第二个vcl_recv的所有逻辑接在后面
    set req.http.X-Forwarded-For = regsub(req.http.X-Forwarded-For,"^([^,]+)(,[^,]+)*","\1");
    # ...... 剩余原有逻辑不变
}

2. 在vcl_recv中添加 grace 启用配置，可以加在后端分配逻辑之后：

# 允许最多使用12小时的陈旧缓存，和beresp.grace配置对齐
set req.grace = 12h;

3. 修改硬刷新的Ban规则，添加后端健康判断，把原有逻辑替换为：

# 只有后端健康时才执行硬刷新清缓存逻辑，后端宕机时跳过
if (std.healthy(req.backend_hint) && req.http.Cache-Control == "no-cache") {
    ban("obj.http.x-host == " + req.http.host + " && obj.http.x-url == " + req.url);
}

4. 添加后端错误兜底逻辑，新增vcl_backend_error子例程：

sub vcl_backend_error {
    # 后端返回错误时优先返回已有的陈旧缓存
    if (stale.exists) {
        return (deliver_stale);
    }
    return (deliver);
}

5. 可选优化：如果需要后端宕机时更长时间返回缓存，可以把beresp.grace从12h调整为更长的时长，比如7d。如果同站点有多台后端，建议用directors把后端组成资源池，健康检查会对整个池生效，避免单后端挂了就判定整体异常。

内容的提问来源于stack exchange，提问作者user14709644