跨区域私有环境下带健康检查的DNS负载均衡方案咨询

老兄，我太懂你这种被云厂商限制住的憋屈了——没法跨区域用私有VIP搞NLB确实是个棘手的问题，而你想要的这种带后端健康检查的DNS故障转移方案完全是可行的，下面给你拆解具体的实现思路和注意事项：

一、选择合适的DNS服务器软件 #

• Bind + 自定义健康检查脚本：Bind是最经典的开源DNS服务器，你可以自己写简单的脚本（比如用nc检测服务端口、curl调用健康接口）定期检查Server A和Server B的状态。一旦检测到某台实例故障，脚本自动修改Bind的区域文件（把故障实例的A记录注释掉或删除），然后执行rndc reload重载配置。两台DNS服务器的配置同步可以用rsync定时同步区域文件，或者用集群工具（如pacemaker+corosync）实现实时同步。
• PowerDNS + 健康检查插件：这是更省心的方案，PowerDNS支持动态记录更新，还有现成的健康检查机制（比如用Lua脚本或第三方插件）。你可以把两台DNS服务器配置成共享同一个数据库（MySQL/PostgreSQL），这样记录和健康检查状态会自动同步，不用手动维护多台DNS的配置。一旦检测到后端实例故障，PowerDNS会自动在返回结果中剔除故障IP。

二、关键配置细节 #

• TTL设置：你提到的设为0或极低值（如5秒）是正确的方向，但要注意——TTL过低会大幅增加DNS服务器的查询压力。如果业务访问量不大，0或5秒没问题；如果访问量较高，建议设为10-30秒，平衡故障切换速度和DNS负载。
• 健康检查策略：别只用ping检测网络连通性，这不够准确（实例可能网络通但服务已崩溃）。最好直接检测业务端口（比如nc -z 10.1.1.100 80）或服务的健康接口（比如curl -f http://10.1.1.100/health），确保检测的是服务的实际可用状态。
• DNS服务器自身的高可用：你的两台DNS分别部署在两个区域，只要它们各自独立检测两台后端实例的状态即可。客户端同时配置两台DNS地址后，若其中一台DNS故障，客户端会自动切换到另一台查询，而存活的DNS会返回当前可用的后端IP。

三、场景验证（完全匹配你的需求） #

• Scenario A：当Server A离线时，DNS A的健康检查脚本会检测到故障，自动更新区域文件，返回Server B的IP（172.26.1.50）给客户端；
• Scenario B：当Server B离线时，DNS B同样会检测到故障，返回Server A的IP（10.1.1.50）给客户端。

四、额外注意事项 #

• 确保所有客户端都配置了两台DNS服务器的地址，避免单DNS故障导致服务不可用；
• 客户端本地DNS缓存：如果客户端开启了本地DNS缓存（比如Linux的systemd-resolved、Windows的DNS缓存），要确保缓存时间和你设置的TTL一致，避免客户端缓存故障IP；
• 监控告警：给DNS服务器的查询量、健康检查结果加监控（比如用Prometheus+Grafana），一旦健康检查失败或DNS出现异常，及时触发告警。

备注：内容来源于stack exchange，提问作者user1051676