LTM给NGINX做LB是一种较为典型的双层负载均衡，也就是典型的L4.L7分离的双层负载均衡解决方案。我们用了这个方案后，出现了 NGINX 后的服务器过载，怎么办？应该如喝解决？
根绝我分析，如果LTM的pool member中的NGINX是位于不同的可用区或者不同的DC，此时LTM如仅做应用层负载均衡或仅monitor nginx本身，那么LTM是无法感知到 NGINX 背后（upstream）到底有多少可用的业务服务器。如果某个 NGINX 的upstream中可用服务器已经很少，此时LTM会依旧分配同等数量的连接请求给该NGINX，会导致该 NGINX 后的服务器过载，从而降低服务质量。
F5提供的负载均衡解决方案的思路如下：
如果能够让LTM感知到NGINX的upstream中当前有多少可用的服务器，并设置一个阀值，如低于该可用数量则LTM不再向该NGINX实例分配连接。这样就可以较好的避免上述问题。运维人员可根据LTM报出的日志或 Telemetry Streaming输出，及时触发相关自动化流程对该NGINX下的服务实例进行快速扩容，当可用服务实例数量恢复大于阀值后，LTM则又开始向该NGINX分配新的连接。
NGINX Plus本身提供了一个API endpoint，通过获取该API并做相应处理即可获得可用的服务器实例数量，在LTM上则可以利用external monitor实施对该API的自动化监控与处理。
F5给出的负载均衡解决方案的具体操作
1.获取的API资源路径是：安装可在中国使用的VPN。注：api后的版本6可能会因nginx plus的版本不同而不同.
2.返回的内容示例如下，主要关心state: up, 只要获取到总的state: up数量即可
{
"peers": [
{
"id": 0,
"server": "10.0.0.1:8080",
"name": "10.0.0.1:8080",
"backup": false,
"weight": 1,
"state": "up",
"active": 0,
"requests": 3468,
"header_time": 778,
"response_time": 778,
"responses": {
"1xx": 0,
"2xx": 3435,
"3xx": 6,
"4xx": 20,
"5xx": 4,
"total": 3465
},
"sent": 1511086,
"received": 99693373,
"fails": 0,
"unavail": 0,
"health_checks": {
"checks": 1754,
"fails": 0,
"unhealthy": 0,
"last_passed": true
},
"downtime": 0,
"selected": "2020-01-03T07:52:57Z"
},
{
"id": 1,
"server": "10.0.0.1:8081",
"name": "10.0.0.1:8081",
"backup": true,
"weight": 1,
"state": "unhealthy",
"active": 0,
"requests": 0,
"responses": {
"1xx": 0,
"2xx": 0,
"3xx": 0,
"4xx": 0,
"5xx": 0,
"total": 0
},
"sent": 0,
"received": 0,
"fails": 0,
"unavail": 0,
"health_checks": {
"checks": 1759,
"fails": 1759,
"unhealthy": 1,
"last_passed": false
},
"downtime": 17588406,
"downstart": "2020-01-03T03:00:00.427Z"
}
]
}
3.可以编写如下python脚本：
#!/usr/bin/python
# -- coding: UTF-8 --
import sys
import urllib2
import json
def get_nginxapi(url):
ct_headers = {'Content-type':'application/json'}
request = urllib2.Request(url,headers=ct_headers)
response = urllib2.urlopen(request)
html = response.read()
return html
api = sys.argv[3]
try:
data = get_nginxapi(api)
data = json.loads(data)
except:
data = ''
m = 0
lowwater = int(sys.argv[4])
try:
for peer in data['peers']:
state = peer['state']
if state == 'up':
m = m + 1
except:
m = 0
#print data['peers'][]['state']
#print m
if m >= lowwater:
print 'UP'
4.将该脚本上传至LTM，上传路径：system–file management–external monitor–import, 效果如下
5.配置external-monitor， 注意arguments部分填写：
注意空格前填写的是相关API的URL，空格后填写阀值
6.随后将该monitor 关联到某个nginx pool member上
可以看到，该member 此时标记为up
7.如果将阀值改为3，由于当前upstream中仅有2台可用，因此LTM将标记该NGINX实例为down
其它：
输入错误的url或者错误的endpoints 等，都直接置为down，这样用户可以比较容易发现问题?Upstream中被设置为backup的状态的成员认为是可用的?此方法还可以避免实际服务器被LTM和nginx两次monitor
如果nginx有很多个upstream的话，LTM怎么设定？
从前端ltm到nginx来说，如果此nginx后端的任何upstream容量不足的话，都不应该给这个nginx再分链接，所以多个upstream的话，可以ltm上设置多个monitor，并设置 all need up。
如果nginx的上的配置有问题，实际业务访问不了，上述方案似乎无法发现此场景问题？
是的，对于nginx本身可用性及配置问题，可考虑在LTM上加一个穿透性的7层健康检查，但是如果NGINX本身有很多server/location段落配置，又想发现所有这些段落可能存在的问题，那就意味着要对每个服务都进行7层健康检查，这个在服务特别多场景下，需要思考，或许过度追求探测的完美性会对业务服务器带来更多的探测压力。理论上，LTM上一个穿透性检查+所有upstream的API检查，能够满足大部分场景。
在大规模NGINX部署场景下，如何降低NGINX健康检查对后端服务的压力？
可考虑nginx做动态服务发现app，app的可用性由注册中心类工具来解决，从分布式的健康检查变成注册中心集中式的健康检查; 或者借助NGINX plus的upstream API 通过集中健康检查系统来动态性更新upstream，这样可避免频繁reload配置， 从而减低健康检查带来的压力。
以上内容就是局部NGINX后业务实例过载后F5负载均衡解决方案的实际操作方法，希望对您有所帮助。如果您看完还不会操作，建议联系F5客服，F5将会快速的，针对性的帮您解决问题。
【文章来源】F5软件方向解决方案架构师林静的《F5社区好文推荐：多可用区双层负载下,如何借助F5避免局部NGINX后业务实例过载》。
