【Azure App Service】为什么启用 Health Check 后应用服务实例持续显示 Unhealthy?

简介: App Service健康检查因HTTP→HTTPS自动跳转导致实例被标记为Unhealthy。默认Health Check走HTTP(端口80),若应用启用强制HTTPS重定向(如.NET Core的UseHttpsRedirection),则响应301而非2xx,触发误判。解决方案:启用“HTTPS Only”使Health Check改用HTTPS(443端口)探测。

问题描述

使用App Service的Health Check功能,导致实例状态Unhealthy,重启也不能解决问题。

这是什么情况呢?


问题解答

根据Health Check所配置的path,分别使用http和https进行访问,检查请求的响应是否属于 200 ~ 299 之间。

对于 App Service For Windows 应用,默认情况下,Health Check ping 请求的端口号是 80 (即 http),如果应用代码中会自动执行http 到https的跳转,导致Health Check认为实例不正常,标记为Unhealthy。如果开启了HTTPS Only,则Health Check会通过443端口(https)发送请求。

以.NET Core的代码为例, app.UseHttpsRedirection() 就会自动把http调转到https

可以通过设置App Service只支持HTTPS访问来解决此问题。

 

 

参考资料

使用运行状况检查监视应用服务实例 :https://docs.azure.cn/zh-cn/app-service/monitor-instances-health-check?tabs=dotnet

 



当在复杂的环境中面临问题,格物之道需:浊而静之徐清,安以动之徐生。 云中,恰是如此!

相关文章
|
4月前
|
Linux 测试技术 虚拟化
VMware17安装步骤详解(附虚拟机创建与常见问题解决)
VMware Workstation 17 是功能强大的桌面虚拟化软件,支持在Windows/macOS上创建和运行多个操作系统(如Linux、Win7/10),适用于开发测试、环境搭建等场景。安装需以管理员身份运行,典型安装即可快速启用,附30天试用期。
3510 5
|
网络协议 API
让每个进程不同外网 IP,实现局部单窗口单 IP,驱动级网络加速器原理!
为解决游戏多开IP限制问题,可采用API HOOK、LSP劫持或驱动层拦截(WFP/TDI)结合SOCKS5转发数据,实现每个进程独立的外网IP。LSP方法需HOOK多个网络函数,如WSPCONNECT等。驱动层中,WFP适用于Win7以上系统,全面拦截,TDI兼容所有系统但拦截不全。提供了一个自编写的驱动层代理示例,支持全局和局部IP设置,适用于每个进程不同IP,长期维护,欢迎使用。下载链接:http://down.8u18.com/down/jsq.rar。附图片展示。
10393 0
|
5月前
|
机器学习/深度学习 人工智能 计算机视觉
YOLO26改进 - 注意力机制 | 多扩张通道细化器MDCR 通过通道划分与异构扩张卷积提升小目标定位能力
本文介绍了一种在YOLO26目标检测模型中引入高效解码器模块EMCAD的创新方法,以提升模型在资源受限场景下的性能与效率。EMCAD由多个模块构成,其中核心的EUCB(高效上卷积块)通过上采样、深度可分离卷积、激活归一化和通道调整等操作,兼顾了特征质量与计算成本。实验结果显示,该模块在显著减少参数与FLOPs的同时仍具备优异性能。文章还提供了完整的YOLO26模型集成流程、配置和训练实战。
YOLO26改进 - 注意力机制 | 多扩张通道细化器MDCR 通过通道划分与异构扩张卷积提升小目标定位能力
|
4月前
|
存储 人工智能 运维
拒绝“Demo 级”架构:基于 SAE × SLS 构建 Dify 高可用生产底座
本文是Dify生产化系列第二篇,详解如何用阿里云SAE(Serverless应用引擎)与SLS(日志服务)构建弹性、免运维的AI计算底座:SAE实现秒级扩缩容与50倍QPS跃升,SLS支撑存算分离与实时业务洞察,一站式解决运维复杂、流量潮汐、数据库膨胀等核心瓶颈。
|
5月前
|
机器学习/深度学习 计算机视觉 网络架构
YOLO26改进 - 注意力机制 |融合HCF-Net维度感知选择性整合模块DASI 增强小目标显著性
本文介绍将HCF-Net中的维度感知选择性融合(DASI)模块集成至YOLO26检测头,通过通道分区与Sigmoid自适应加权,融合高/低维及当前层特征,显著提升红外小目标检测精度,在SIRST数据集上超越主流方法。(239字)
|
5月前
|
人工智能 前端开发 测试技术
Violit: Streamlit杀手,无需全局刷新,构建AI快捷面板
Violit 是新一代 Python Web 框架,融合 Streamlit 的简洁语法与 React 的响应式性能。首创 O(1) 信号状态架构,零重运行、无需 `@cache`/`key`/回调,支持桌面原生应用与 30+ 主题,开箱即用、极速如光。
552 15
|
4月前
|
存储 人工智能 算法
从“支撑搜索”到“图谱推理”:Graph RAG落地全攻略
AI博主深度解析RAG演进:从基础“查字典”到图谱RAG“看地图”,再到代理RAG“招管家”。重点拆解KG-RAG如何用知识图谱(三元组+逻辑路径)抑制大模型幻觉,提升垂直领域推理精度,并提供查询增强、子图检索、CoT提示等实战指南。(239字)
368 1
|
7月前
|
供应链 监控 搜索推荐
精准流量高效转化:1688店铺提升支付转化率的四大核心策略!
提升1688店铺支付转化率是一个系统化工程,需要商品展示、关联销售、客服体系和竞争策略的多维度配合。建议商家建立数据监控机制,定期复盘各环节转化数据,持续优化运营策略,才能在精准引流的基础上,实现订单转化率的最大化。
|
5月前
|
机器学习/深度学习 人工智能 自然语言处理
模型训练篇|多阶段ToolRL打造更可靠的AI导购助手
芝麻租赁推出AI导购“租赁小不懂”,针对长周期、重决策租赁场景,首创“One-Model + Tool-Use”架构与两阶段强化学习,攻克需求难匹配、决策效率低、服务被动三大痛点,实现响应提速78%、推荐成功率提升14.93%,打造贴切、沉浸、信任的场景化租赁体验。(239字)
587 25
模型训练篇|多阶段ToolRL打造更可靠的AI导购助手
|
4月前
|
存储 供应链 数据可视化
大模型应用:面向结构化表格的 RAG 实践:技术架构与特性解析.26
本文提出面向结构化表格的RAG新模式,突破传统RAG将表格转为纯文本导致语义丢失、多表融合低效、版本兼容性差等瓶颈。通过结构化解析、元数据增强、向量索引优化与精细化检索,实现行列语义保留、跨表关联查询及本地轻量化部署,显著提升财务、政务等场景下Excel/CSV数据的检索精度与问答质量。
524 11