OpenShift Pod长时间闲置后出现Gateway timeout问题咨询

问题归属判定 #

该问题属于OpenShift路由/集群网络侧机制触发的问题，而非Apache应用侧故障，核心匹配特征如下：

• 请求未进入Apache Pod就返回超时，Apache日志无对应报错记录
• 仅长时间无活动后首次访问触发，重建Pod即可恢复
• 重建Pod会触发集群Endpoint更新，强制刷新路由层的后端转发规则，因此服务恢复

根因说明 #

OpenShift Route底层基于HAProxy实现，搭配集群内部网络的流表老化机制共同触发该问题：

• HAProxy默认TCP空闲超时时间为300s，集群内部OVS流表、kube-proxy的会话老化时间通常在900s~3600s区间
• 长时间无请求时，路由层到Pod的会话转发条目会被老化删除，HAProxy未主动触发健康检查刷新后端状态时，新请求会尝试使用失效的转发条目，最终抛出Gateway Timeout错误

验证方法 #

出现超时问题时不要重建Pod，按以下步骤验证：

• 直接访问Pod IP+Apache服务端口，命令参考：curl http://<PodIP>:<端口>，如果能正常返回说明Apache本身运行无异常
• 继续访问对应Service的ClusterIP，如果访问正常，即可100%确认问题出在Route转发层

修复方案 #

• Route侧配置调整：给对应Route添加注解延长空闲超时时间，示例配置如下，可根据业务场景调整超时时长：

  annotations:
    haproxy.router.openshift.io/timeout: 3600s
  

• 应用侧适配：在Apache配置中开启TCP keepalive，设置保活间隔小于集群默认超时时间，主动发送保活包避免会话被老化
• 健康检查配置：给Apache工作负载添加就绪探针，HAProxy会根据探针状态主动刷新后端转发规则，避免使用失效的会话条目

内容的提问来源于stack exchange，提问作者user2636464