日本服务器上的 Web 服务响应慢,如何沿访问链路定位延迟环节?

发布人:A5数据发布时间:2026-10-17 15:55阅读量:128

一次访问日本服务器上的网站,并不是“客户端发包到服务器、服务器返回页面”这么简单。浏览器通常要先完成 DNS 解析、建立 TCP 连接、进行 TLS 握手,再经过 Web 入口、反向代理、应用进程和数据库,最后传输 HTML、接口数据及静态资源。任一环节变慢,最终页面都可能表现为打开缓慢。

排查时不要先把原因归结为“日本线路慢”或“服务器配置不足”。应先把总耗时拆成可观察的阶段,再用同一请求在不同位置复测:先确认访问入口是否接住请求,再判断网络路径,随后查看服务器资源,最后进入应用和数据库。这样才能区分是跨地域 RTT 偏高、连接建立缓慢、Web 队列拥塞,还是业务代码和 SQL 真正占用了等待时间。

先把一次请求拆成时间段

一次动态页面请求的耗时,可以近似拆分为:

先把一次请求拆成时间段配图

总耗时 = DNS 解析 + TCP 连接 + TLS 握手 + 请求排队与应用处理 + 响应传输

浏览器开发者工具中的 Timing 面板通常能看到类似阶段。命令行也可以先得到一份不依赖浏览器渲染的基线数据:

curl -sS -o /dev/null \
  -w 'dns=%{time_namelookup}s connect=%{time_connect}s tls=%{time_appconnect}s pretransfer=%{time_pretransfer}s ttfb=%{time_starttransfer}s total=%{time_total}s size=%{size_download}B\n' \
  https://www.example.com/

以上命令只测量 HTTP 请求和响应,不包含浏览器执行 JavaScript、加载图片以及渲染页面的时间。输出字段可以这样理解:

  • dns:域名解析完成所需时间。
  • connect:从请求开始到 TCP 连接建立完成的累计时间,通常包含前面的 DNS 阶段。
  • tls:HTTPS 场景下 TLS 握手完成的时间。
  • pretransfer:请求可以正式发送前的累计时间。
  • ttfb:收到第一个响应字节的时间,也就是常说的首字节时间。
  • total:完整响应下载结束的时间。

connect - dns 可以粗略观察 TCP 建连阶段,ttfb - pretransfer 则可作为请求发送后到服务端开始返回数据的近似等待时间。它不等于纯粹的应用执行时间,因为其中可能包含 Web 服务器队列、反向代理等待、数据库等待和网络往返。

用不同请求判断延迟发生在哪里

建议至少准备三类 URL:

  1. 静态文件:例如一个很小的 robots.txt、静态 HTML 或健康检查文件。
  2. 应用健康接口:只验证应用进程是否存活,尽量不访问数据库。
  3. 真实业务接口或页面:保留真实请求方法、必要 Cookie 和参数。

例如:

curl -sS -o /dev/null \
  -w 'static: ttfb=%{time_starttransfer}s total=%{time_total}s\n' \
  https://www.example.com/robots.txt

curl -sS -o /dev/null \
  -w 'app: ttfb=%{time_starttransfer}s total=%{time_total}s\n' \
  https://www.example.com/healthz

curl -sS -o /dev/null \
  -w 'business: ttfb=%{time_starttransfer}s total=%{time_total}s\n' \
  'https://www.example.com/products?id=1001'

如果静态文件很快、健康接口也很快,但真实页面的首字节时间明显升高,网络路径和 Nginx 接入通常不是第一嫌疑,应转向应用和数据库。如果三者都慢,再继续拆分 DNS、TCP、TLS 和服务器负载。

测试时要保持协议、域名和访问路径一致。直接访问 IP 可能触发错误的虚拟主机,绕过 CDN 或负载均衡,也可能因 HTTPS 证书和 Host 不匹配而得到与真实用户不同的结果。

访问入口:先确认请求是否在入口处排队

日本服务器上的 Web 服务常见入口可能包括 DNS、CDN、负载均衡、Nginx 或 Apache,然后才到应用服务器。入口层产生的延迟,往往具有明显的范围特征:

  • 所有 URL 都慢,静态文件也慢;
  • time_connect 或 TLS 相关时间升高;
  • 不同后端实例的响应时间差异明显;
  • 入口日志中请求已到达,但应用日志迟迟没有对应记录;
  • 只有 HTTPS 慢,HTTP 或内网测试正常;
  • 连接数、监听队列或入口工作进程接近上限。

DNS 不只是看解析是否成功

解析成功不代表解析路径没有延迟。可以分别查询 A 和 AAAA 记录,并观察不同解析位置是否返回不同地址:

dig example.com A
dig example.com AAAA
dig +stats example.com

如果部分客户端优先使用 IPv6,而日本服务器的 IPv6 路由质量不稳定,可能出现“有些用户很快,有些用户明显卡住”的现象。应分别测试 IPv4 和 IPv6:

curl -4 -sS -o /dev/null \
  -w 'ipv4: dns=%{time_namelookup}s connect=%{time_connect}s total=%{time_total}s\n' \
  https://www.example.com/

curl -6 -sS -o /dev/null \
  -w 'ipv6: dns=%{time_namelookup}s connect=%{time_connect}s total=%{time_total}s\n' \
  https://www.example.com/

若 IPv6 的连接时间或失败率显著高于 IPv4,应核对 DNS 中 AAAA 记录、服务器 IPv6 地址、默认路由和防火墙策略,而不是直接增加应用进程。

入口日志要同时记录总耗时和上游耗时

Nginx 默认访问日志通常只能看到状态码、请求路径和响应大小,难以判断时间消耗在哪一段。可以在变更前备份配置,并先确认当前配置文件位置:

nginx -V 2>&1 | tr ' ' '\n' | grep -- '--conf-path'
systemctl status nginx --no-pager

在确认配置结构后,可为排障增加类似的日志格式:

log_format timing '$remote_addr [$time_iso8601] "$request" '
                  'status=$status bytes=$body_bytes_sent '
                  'request_time=$request_time '
                  'upstream_connect_time=$upstream_connect_time '
                  'upstream_header_time=$upstream_header_time '
                  'upstream_response_time=$upstream_response_time '
                  'request_id=$request_id';

access_log /var/log/nginx/access_timing.log timing;

各字段的判断重点如下:

  • request_time:Nginx 从读取请求到完成响应的总时间。
  • upstream_connect_time:连接应用上游所需时间。
  • upstream_header_time:连接上游后,到收到上游响应头的时间。
  • upstream_response_time:从上游连接建立到接收完响应的时间。

改动前应保留原配置副本,确认日志目录存在且磁盘空间充足。修改后先检查语法,再平滑重载,不要直接重启:

nginx -t
systemctl reload nginx

如果验证后需要回滚,应恢复备份配置,再次执行 nginx -t,确认无误后重载。不同发行版的服务管理方式可能不同,应以 systemctl status nginx 显示的实际服务名为准。

若 request_time 很高而 upstream_response_time 很低,问题可能在客户端到入口的响应传输、入口工作进程或连接管理。若两者都高,且 upstream_header_time 占主要部分,应继续查看应用。

针对需要拆分地域 RTT、入口排队与服务器处理耗时的日本 Web 服务场景,A5数据提供日本物理服务器资源,热销系列与CTG系列覆盖 Xeon Gold、AMD EPYC、NVMe 存储及不同带宽方案,并提供 CIA、GIA、CN2、SoftBank 等线路选择,可承载网站、接口服务和数据库等业务。结合香港、韩国、中国台湾、新加坡及马来西亚等地区的服务器资源,也能为多地域访问链路和跨境业务部署提供基础。

网络路径:区分地域 RTT、丢包和服务端处理慢

日本服务器与访问者之间的距离,只能解释传播和路由带来的基础延迟,不能解释所有的 Web 慢请求。排查网络时需要同时看:

  • 基础 RTT 是否稳定;
  • 是否存在明显丢包或抖动;
  • TCP 443 端口能否稳定建立连接;
  • IPv4 和 IPv6 是否表现不同;
  • 网络差异是否只出现在某个运营商、地区或出口。

从代表性访问网络执行基础测试:

ping -c 20 example.com
traceroute -T -p 443 example.com
mtr -rwzc 50 example.com

ping 只能观察 ICMP 的近似路径,不能直接代表 HTTPS 请求耗时。traceroute -T -p 443 更接近 TCP 443 端口的访问路径;mtr 的中间节点丢包也不能直接认定为故障,因为很多路由器会限制或降低对探测包的响应优先级。

判断时应关注“从某一跳开始,后续节点是否持续升高”,而不是看到某个中间节点有 20% 丢包就立即下结论。若中间节点显示丢包,但最终目标节点稳定,通常是探测响应被限速;若最终节点也持续丢包、RTT 同步升高,才更值得继续向线路或出口方向核查。

用同一请求比较多个位置

只从日本服务器本机执行 curl,只能证明服务器自身访问入口的情况,无法代表境外客户端到日本机房的路径。应选择至少两类测试点:

  • 与服务器同区域或同机房的测试点;
  • 实际访问者较多的地区和运营商测试点。

如果同区域请求的 TTFB 约为几十毫秒,而远端访问的 DNS、连接或 TLS 阶段明显增加,说明跨地域链路是主要贡献者。若不同位置的连接时间接近,但 TTFB 都很高,则不宜继续把问题归因于线路。

网络 RTT 还会放大多次串行请求的影响。例如页面先请求接口 A,接口 A 返回后才请求接口 B,再依赖接口 B 请求接口 C,即使每次只多出几十毫秒,累计等待也会明显增加。此时应在浏览器 Waterfall 中检查请求是否可以并行、是否存在不必要的跨域或多次握手,而不是只看单个接口的平均响应。

服务器资源:确认是算力、内存、磁盘还是连接容量

确认请求确实到达日本服务器后,再观察请求发生时的资源状态。不要只看 CPU 百分比,因为 Web 服务慢还可能来自磁盘等待、虚拟化窃取时间、内存回收、连接数和文件描述符不足。

常用的低风险观察命令如下:

uptime
nproc
free -h
df -h
df -i
vmstat 1 5
iostat -xz 1 5
ss -s

iostat 通常由 sysstat 软件包提供。如果系统没有该命令,不应直接套用某个发行版的安装命令,先根据系统类型和软件源确认安装方式。

重点观察指标可以按下面方式解释:

观察项可能表现下一步判断
CPU 使用率用户态或内核态持续接近上限查看具体进程、线程和请求类型
load average高于 CPU 核数且持续上升结合 %wa、运行队列和进程状态判断,不单独作为 CPU 结论
vmstat 的 si/so持续发生交换进出检查内存压力、进程峰值和缓存策略
iostat 的 await、%util磁盘等待高或设备接近饱和排查日志、数据库、临时文件和存储性能
%st虚拟化窃取时间偏高说明实例获得的物理 CPU 时间不足,需联系资源提供方或调整规格
ss -sTCP 连接、TIME-WAIT 或 orphan 数量异常检查连接复用、短连接、应用释放连接和系统限制
df -h、df -i磁盘空间或 inode 接近耗尽先确认日志轮转和文件增长,避免盲目删除业务文件

可以进一步定位高占用进程:

pidstat -u -d -r 1 5
ps -eo pid,ppid,comm,%cpu,%mem,stat --sort=-%cpu | head

若 CPU 使用率高,但静态文件和简单接口都正常,可能是某类动态请求触发了复杂计算;若磁盘等待与数据库或日志进程同时升高,应把数据库慢查询、日志写入和存储能力放在一起分析。

服务器带宽也要换算正确。一个十进制 10 MB 的响应约等于 80 Mb,在理想的 100 Mbps 有效吞吐下,单纯传输时间约为:

80 Mb ÷ 100 Mb/s = 0.8 秒

这还没有计入 RTT、协议开销、拥塞控制和其他并发流量。因此,若 TTFB 很低但 total 很高,同时响应体较大、出口吞吐接近上限,问题更可能在响应传输,而不是应用生成页面。

Web 入口与应用:用日志把等待时间对齐

服务器资源没有明显异常,并不代表应用正常。应用可能因为线程池、连接池、锁、外部接口或数据库等待而变慢,而且 CPU 可能并不高。

排查时应把同一个请求标识贯穿入口日志、应用日志和数据库调用。可以使用请求 ID,例如:

request_id=7f3c2a9e

然后对照以下时间点:

Web 入口与应用:用日志把等待时间对齐配图

  1. Nginx 记录收到请求的时间;
  2. 应用日志记录进入控制器或路由的时间;
  3. 应用开始访问数据库或外部服务的时间;
  4. 数据库返回结果的时间;
  5. 应用生成响应的时间;
  6. Nginx 收到上游响应和完成发送的时间。

如果 Nginx 的 upstream_header_time 很高,而应用日志显示请求很早就进入,但很晚才输出结果,通常要进入应用内部继续拆分。如果应用耗时不高,而 Nginx 的总耗时明显增加,应查看响应传输、客户端接收速度、压缩和入口连接管理。

典型的应用层慢点

应用层常见原因包括:

  • 数据库连接池已耗尽,请求排队等待连接;
  • 线程池或协程调度队列堆积;
  • 同一页面触发大量串行 SQL,即 N+1 查询;
  • 锁竞争导致部分请求长时间等待;
  • 首次请求需要编译模板、加载配置或建立缓存;
  • 应用调用远程 API,外部服务超时后才返回;
  • 响应压缩消耗大量 CPU;
  • 缓存未命中,重复执行昂贵计算。

可以把“健康接口”和“真实业务接口”分成两条判断链。健康接口只返回固定内容时,即使它很快,也不能证明数据库查询和业务逻辑没有问题。更有价值的测试是分别比较:

  • 不访问数据库的应用接口;
  • 访问单条记录的简单接口;
  • 包含列表、排序、聚合和权限判断的真实接口;
  • 冷缓存与热缓存状态下的同一接口。

测试缓存时要记录缓存状态,不要一边清空缓存一边把所有变慢都归因于代码。若需要清理缓存或重启应用,应先确认影响范围、保留当前日志,并安排可回滚时段;排障初期优先采集现象,避免通过重启直接丢失队列和线程状态。

数据库:从“应用慢”继续拆到等待类型

数据库响应慢不一定等于 SQL 本身执行时间长。应用可能在等待连接池、数据库锁、磁盘读取或网络往返。建议至少区分以下时间:

  • 获取数据库连接的等待时间;
  • SQL 从发送到收到结果的时间;
  • 结果集传输时间;
  • 应用处理结果和序列化的时间。

如果简单查询快、复杂列表慢,应检查执行计划、过滤条件、排序字段、分页方式和返回行数。只看 SQL 平均耗时也不够,偶发锁等待往往会体现在 p95 或 p99,而不是平均值中。

数据库排查需要遵循只读优先原则:

  • 先查看数据库连接数、活动会话和慢查询记录;
  • 再查看锁等待、磁盘延迟和缓存命中情况;
  • 对问题 SQL 使用执行计划分析;
  • 不要在生产环境直接修改索引、终止会话或清理表数据;
  • 任何结构变更前都应备份、评估锁表和回滚方案。

如果数据库与 Web 服务不在同一台日本服务器上,还要单独测量两者之间的网络 RTT。单条 SQL 的网络往返可能不明显,但几十次串行查询会将延迟累加。此时优化方向可能是减少查询次数、批量获取数据、调整连接池和缓存,而不是单纯增加 Web 服务器 CPU。

用统计分位数而不是单次结果下结论

单次 curl 只能说明某一时刻的一个请求。线路抖动、缓存状态和数据库锁都可能让单次结果失真。可以在低频率、可控范围内重复请求,记录多次结果:

for i in $(seq 1 10); do
  curl -sS -o /dev/null \
    -w '%{time_namelookup} %{time_connect} %{time_starttransfer} %{time_total}\n' \
    https://www.example.com/api/health
  sleep 1
done

不要把这类循环直接用于高并发压测。它适合小样本对比,正式容量测试应使用经过授权的压测工具、明确的并发上限和回滚方案。

建议整理 p50、p95 和 p99:

指标组合更可能的含义
p50、p95 都高,且静态请求也高基础链路、入口或整体资源问题
p50 正常、p95/p99 偶发升高锁等待、连接池耗尽、GC、磁盘抖动或线路抖动
静态请求快,动态请求的 TTFB 高应用、数据库或上游服务处理慢
TTFB 正常,Total 高响应体过大、出口带宽、客户端接收或压缩传输问题
IPv4 正常、IPv6 异常AAAA 记录、IPv6 路由或防火墙配置问题
本机访问正常、远端访问异常客户端到日本机房的路径、区域策略或入口分发问题

沿访问链路执行一次低风险定位

实际排障可以按下面的顺序进行,每完成一层就保留结果,不要同时修改多个变量:

  1. 建立基线

记录访问时间、客户端地区、运营商、URL、HTTP 方法、状态码、响应大小,以及 DNS、连接、TLS、TTFB 和总耗时。

  1. 对比静态与动态请求

静态文件、应用健康接口和真实业务接口分别测试,确认慢点是在入口还是进入业务后出现。

  1. 分离 IPv4、IPv6 和解析因素

检查 A、AAAA 记录,分别使用 curl -4 和 curl -6,确认是否只有某一协议异常。

  1. 从代表性网络检查路径

使用 TCP 443 路由探测和少量 MTR,比较本地、远端及主要用户区域。不要仅依据中间跳的 ICMP 丢包做结论。

  1. 对齐入口日志与资源监控

查看 request_time、上游时间、状态码和请求大小,同时核对 CPU、内存、交换、I/O、连接数和出口吞吐。

  1. 进入应用和数据库

用请求 ID 串联日志,区分线程池、连接池、外部接口、锁等待、SQL 执行和响应序列化时间。

  1. 一次只调整一个变量并复测

例如只切换 IPv4、只绕过缓存、只访问一个后端实例,或只优化一条 SQL。每次变更都要保留变更前后的同口径数据。

  1. 恢复真实访问条件验证

不能只在服务器本机验证成功。应回到实际域名、真实协议、原有缓存和代表性客户端网络,确认 p95 或 p99 是否改善,错误率是否增加。

最终应形成一条可以被数据支持的判断链,例如:“远端客户端的 TCP 连接阶段显著增加,但日本服务器本机和同区域访问正常”,或“连接和 TLS 稳定,Nginx 上游响应头耗时升高,应用日志显示数据库连接池等待”。只有当入口、网络、资源、应用和数据库的证据彼此对应时,才适合决定调整 DNS、优化线路、增加实例、修改连接池或优化 SQL。排查完成后,按“同一 URL、同一协议、同一客户端区域、同一缓存状态”的顺序复测,才能确认解决的是实际瓶颈,而不是暂时改变了测试条件。

本文由A5数据原创发布,转载请注明出处:https://www.a5idc.com/helpcontent/4278.html

相关推荐