用Uptime Kuma监控马来西亚服务器上的网站,怎样设置重试以减少短暂抖动误报?

发布人:A5数据发布时间:2026-11-17 10:53阅读量:1

这次调整的目标,是让运行在马来西亚服务器上的 Uptime Kuma 不再因为一次短暂的连接抖动就立即发出网站故障告警,同时保留对持续中断、持续超时和应用错误的发现能力。重试并不会修复网络或应用问题,它只是让监控器在判定网站真正不可用前,再对同一个检查进行有限次数确认,因此重试次数、重试间隔和请求超时需要结合网站响应时间与故障恢复速度一起设置。

先确认监控位置和监控对象

如果 Uptime Kuma 与被监控网站部署在同一台马来西亚服务器上,首先要区分“本机服务正常”和“公网用户能够访问”这两个结果。

同机监控可以发现 Nginx、应用进程或本机端口是否工作,但服务器自身断电、网卡异常、机房网络中断、上游路由不可达时,运行在同一台机器上的 Uptime Kuma 也可能同时失效。公网访问是否正常,至少应由独立网络位置再验证一次。

监控对象主要验证内容适合的监控位置
https://www.example.com/DNS、TCP、TLS、反向代理和页面响应马来西亚服务器、外部探针各一份
本机健康地址应用进程或本机依赖是否存活马来西亚服务器本机
API 或业务接口接口状态码、响应时间和关键内容至少一个独立网络位置
TCP 端口端口是否可连接适合基础设施检查,不等同于网页可用

如果目前只有马来西亚服务器上的一个 Uptime Kuma 实例,可以先完成重试设置,但不要把它的“Up”状态解释成所有地区都能正常访问。对于重要网站,建议另外配置一个外部 HTTP 监控点,两个监控点分别代表“马来西亚节点看到的结果”和“其他网络位置看到的结果”。

先确认监控位置和监控对象配图

A5idc数据提供马来西亚吉隆坡及香港、日本、新加坡等地区的物理服务器资源,可按业务区域组织独立监控节点或网站运行环境;同时提供域名、SSL证书与CDN,覆盖域名解析、HTTPS入口和静态资源分发等环节,便于从不同网络位置观察网站访问表现。

先从历史记录判断抖动类型

不要一开始就把重试次数调得很高。先查看 Uptime Kuma 中最近一段时间的心跳记录、响应时间、状态码和通知时间,至少覆盖一个完整业务周期。可以使用 24 小时到 7 天的历史作为调参参考,具体取决于网站的访问量和原有告警数量。

重点记录以下几项:

  • 单次失败后是否在几十秒内自动恢复;
  • 失败时是连接超时、连接被重置,还是返回 502、503、504;
  • 失败是否只发生在 IPv6、某个域名解析结果或某个时间段;
  • 页面返回 200,但内容实际上是错误页或维护页;
  • 网站恢复后是否重复发送多次恢复或故障通知;
  • 正常请求的平均响应时间和较慢请求的大致上限。

不同现象对应的处理方向并不一样。

记录中的现象更可能需要关注的层面是否适合单纯增加重试
偶发连接重置,下一次很快成功短暂网络抖动、连接复用或上游路径适合增加少量重试
偶发超时,但应用平时响应较快网络链路、DNS 或防火墙可先增加一次重试,同时保留链路排查
经常返回 502、503、504Nginx、应用进程、上游服务或资源压力不宜只靠重试掩盖
页面返回 200,正文是错误提示应用错误页或代理兜底页使用关键词或业务健康检查
TLS 握手失败或证书过期证书、主机名或加密配置重试通常不能解决
只有 IPv6 失败AAAA 记录、IPv6 路由或监听配置应修复 IPv6,不能靠多次重试掩盖

这里的“短暂抖动”应该有明确边界。例如,某次连接在 10 秒内恢复,适合由重试吸收;如果网站已经连续 2 分钟无法访问,再继续延长重试只会让告警变晚。

Uptime Kuma 中几个参数的关系

编辑 HTTP(s) 监控时,不同版本的字段名称或中文翻译可能略有差异,通常可以看到以下参数:

Heartbeat Interval:心跳间隔

它表示两次常规检查之间的间隔。例如设置为 60 秒,表示监控器大约每分钟发起一次正常检查。

心跳间隔越短,故障发现越快,但请求数量、日志量和通知决策频率也会增加。普通官网可以先使用 60 秒;对交易接口、登录接口或其他有明确时效要求的业务,可以考虑 30 秒,但应确认服务器和数据库能够承受额外请求。

Request Timeout:请求超时

它表示一次 HTTP 请求最多等待多久。这个值不应低于网站正常慢请求的合理范围,否则正常的高峰延迟也会被当作失败。

例如,一个页面平时很快返回,但高峰期可能需要 3 秒到 5 秒,可以从 10 秒左右开始观察。不要因为一次慢请求就把超时设置到 60 秒以上,否则真正的故障会被长时间占用在等待状态中。

Retries:失败后的重试次数

通常情况下,这个字段表示首次检查失败后,还要再尝试多少次。也就是说:

  • Retries = 0:首次失败就进入失败判定;
  • Retries = 1:首次失败后再检查一次;
  • Retries = 2:首次失败后再检查两次。

不同版本可能会在字段说明中使用不同表述,应以当前界面旁的提示为准。设置时要确认它表示的是“额外重试次数”,还是“总尝试次数”,不能只看数字。

重试应当是有限的。对普通网站而言,2 次额外重试通常是一个便于观察的起点;如果需要设置到 5 次以上,应先确认告警延迟不会超过业务能够接受的范围。

Heartbeat Retry Interval:失败后的重试间隔

它表示一次失败后,等待多久再进行下一次尝试。这个间隔太短,可能仍处在同一个网络抖动窗口内;太长,则会增加告警延迟。

对于典型的短暂连接抖动,可以先考虑 5 秒到 15 秒的范围。若网站在高峰期存在排队或上游服务短暂繁忙,重试间隔可以适当放宽,但不应通过长时间重试代替性能治理。

Resend Notification if Down:持续故障时的重复通知

这项设置与 Retries 不是同一层面:

  • Retries 影响监控器何时把一次失败检查判定为失败;
  • Resend Notification 影响网站已经处于 Down 状态后,多久再次提醒。

因此,不能把“重复通知间隔”当成“过滤第一次抖动”的手段。先用少量重试解决瞬时失败,再根据通知是否刷屏调整重复通知频率。不同版本对该字段的描述可能不同,设置前应查看字段提示,确认它按失败心跳次数还是其他周期计算。

一个可执行的起步配置

以下配置适合作为普通网站的观察起点,不是所有业务的固定答案。

监控场景心跳间隔请求超时重试次数重试间隔调整重点
普通官网首页60 秒10 秒210 秒吸收短暂连接抖动
动态内容页面60 秒10 至 15 秒210 至 15 秒结合正常慢请求设置超时
API 健康接口30 至 60 秒5 至 10 秒1 至 25 至 10 秒避免把业务异常延迟太久
重要交易或登录接口30 秒左右按正常响应时间设置15 秒左右依靠独立探针和业务检查,不盲目堆重试

如果目前没有足够的历史数据,可以先对普通官网使用以下示例:

  • Heartbeat Interval:60 秒;
  • Request Timeout:10 秒;
  • Retries:2;
  • Heartbeat Retry Interval:10 秒;
  • 正常 HTTPS 证书校验保持开启;
  • Accepted Status Codes 只保留业务确实接受的状态码;
  • 重复通知先保持现有策略,避免一次修改同时改变告警判定和通知节奏。

用时间估算告警延迟

假设一次请求的超时为 10 秒,失败后重试 2 次,每次重试间隔为 10 秒。一次失败检查的最长等待时间可以粗略估算为:

3 次请求 × 10 秒超时 + 2 次等待 × 10 秒间隔 = 50 秒

不过,这只是偏保守的估算。若连接能够快速返回拒绝,实际耗时会短很多;如果 Uptime Kuma 的具体版本对调度方式进行了处理,界面中的时间线也可能略有差异。更准确的做法是观察心跳历史中的实际时间戳。

还要加上一个因素:故障可能刚好发生在上一次成功检查之后。如果心跳间隔是 60 秒,从故障发生到下一次检查本身就可能等待接近 60 秒。因此,使用 60 秒心跳、2 次重试并不等于故障发生后固定 50 秒告警,实际告警时间应以“故障发生时间、心跳时间、重试时间和通知时间”共同判断。

在 Uptime Kuma 中修改监控参数

1. 先保存当前配置记录

如果只调整一个监控器,直接在界面修改通常属于低风险操作,但仍建议先记录当前值:

  • 原心跳间隔;
  • 原请求超时;
  • 原重试次数;
  • 原重试间隔;
  • 已接受的状态码;
  • 是否启用了关键词检查;
  • 当前通知渠道。

如果要批量修改多个监控器,先备份 Uptime Kuma 的持久化数据或数据库。使用 Docker 部署时,不要直接猜测宿主机目录,先查看容器挂载关系:

docker inspect uptime-kuma --format '{{json .Mounts}}'

其中 uptime-kuma 只是示例容器名。如果实际容器名称不同,应替换为真实名称。批量修改前保留一份可恢复的持久化数据,发生误改时可以恢复原配置。不要在不了解挂载关系的情况下删除数据库文件或覆盖数据目录。

2. 编辑已有的 HTTP(s) 监控

在 Uptime Kuma 中打开对应监控器的编辑页面,先确认监控对象没有被误改:

  1. 确认 URL 是生产域名,而不是临时测试地址;
  2. 确认使用的请求方法与网站要求一致,普通页面通常使用 GET;
  3. 确认是否允许跟随重定向;
  4. 确认最终响应状态码属于业务预期;
  5. 确认请求超时没有低于正常慢请求的范围;
  6. 确认 Ignore TLS/SSL Error 没有为了消除告警而开启。

如果首页会从 HTTP 跳转到 HTTPS,应明确设置合理的跳转次数,并确认最终页面的证书和主机名都正确。不要为了让监控显示正常而忽略 TLS 错误,因为这样会失去对证书过期、域名不匹配和错误证书链的发现能力。

3. 设置少量重试

以普通官网为例,可以先修改为:

在 Uptime Kuma 中修改监控参数配图

Heartbeat Interval: 60
Request Timeout: 10
Retries: 2
Heartbeat Retry Interval: 10

保存后先不要同时修改其他监控器。这样做的好处是,后续如果告警行为发生变化,可以明确知道变化来自哪一组参数。

设置完成后,检查页面中的通知选项和通知渠道是否仍然正确。若原来已经配置了多个通知渠道,不要在本次调参时顺便重建通知规则,否则出现问题时很难区分是检测参数错误还是通知渠道故障。

4. 不要用维护期来验证生产故障

如果需要验证告警是否真的能发出,优先使用非生产地址、测试域名或临时健康检查端点。可以使用 Uptime Kuma 自带的通知测试功能,但通知测试只能验证通知渠道,不能证明监控器能够正确识别网站故障。

不建议为了测试而直接停止生产服务、删除站点配置或修改防火墙。此类操作可能造成真实中断,并且需要额外的恢复步骤。

从马来西亚服务器验证实际请求

Uptime Kuma 的检查结果应该结合运行它的马来西亚服务器上的原始请求来判断。下面的命令只读访问网站,不会修改服务配置。

查看 HTTP 请求的各阶段耗时

curl -sS -o /dev/null \
  --connect-timeout 5 \
  --max-time 15 \
  -w 'code=%{http_code} remote=%{remote_ip} connect=%{time_connect}s tls=%{time_appconnect}s ttfb=%{time_starttransfer}s total=%{time_total}s\n' \
  https://www.example.com/

示例输出:

从马来西亚服务器验证实际请求配图

code=200 remote=203.0.113.20 connect=0.021s tls=0.064s ttfb=0.182s total=0.214s

这里的数值只是格式示例,不代表某个真实站点的实测结果。可以按以下思路理解:

  • code=200 且 total 很低:本次请求基本正常;
  • connect 较高:重点查看网络路径、端口或防火墙;
  • tls 较高或握手失败:查看证书、加密配置和 TLS 路径;
  • ttfb 较高:应用、数据库、上游接口或反向代理可能较慢;
  • code=502、503、504:优先检查 Nginx 与上游应用,不要只增加重试;
  • code=000:通常表示没有得到有效的 HTTP 响应,可能是 DNS、连接、TLS 或超时问题。

连续采样观察是否真的存在抖动

为了区分偶发失败和持续失败,可以在低频率下采样一段时间:

for i in $(seq 1 20); do
  date -Is
  curl -sS -o /dev/null \
    --connect-timeout 5 \
    --max-time 15 \
    -w 'code=%{http_code} remote=%{remote_ip} total=%{time_total}s\n' \
    https://www.example.com/ || echo "curl_failed"
  sleep 5
done

这里不要额外使用 curl --retry,否则命令本身会替监控器完成重试,无法观察单次请求的原始失败情况。若 20 次请求中只有一次快速失败,且之后立即恢复,可以把它作为短暂抖动的证据之一;如果连续多次超时,则应继续排查链路或服务端。

比较 IPv4 和 IPv6

马来西亚服务器可能同时获得 A 和 AAAA 记录。若只有其中一条路径异常,Uptime Kuma 的失败可能表现为偶发或区域性问题。

dig +short www.example.com A
dig +short www.example.com AAAA

curl -4 -sS -o /dev/null \
  --connect-timeout 5 \
  --max-time 15 \
  -w 'ipv4 code=%{http_code} total=%{time_total}s\n' \
  https://www.example.com/

curl -6 -sS -o /dev/null \
  --connect-timeout 5 \
  --max-time 15 \
  -w 'ipv6 code=%{http_code} total=%{time_total}s\n' \
  https://www.example.com/

如果 IPv4 稳定而 IPv6 经常超时,不应简单地把重试次数从 2 增加到 5。应检查 AAAA 记录是否仍然指向正确地址、服务是否监听 IPv6、服务器出口是否具备稳定的 IPv6 路由。若当前业务尚未准备好 IPv6,应在确认影响范围后处理 DNS 或监听配置,并保留恢复原记录的方法。

按故障类型调整,而不是统一增加重试

短暂连接重置

如果请求偶尔出现连接重置,下一次检查在几秒到十几秒内正常,可以使用 1 至 2 次重试,并设置较短的重试间隔。

例如:

Request Timeout: 10 秒
Retries: 2
Heartbeat Retry Interval: 5 至 10 秒

这种设置的目标是让单次路径抖动不直接升级成告警,但如果三次请求都失败,仍然能够较快进入故障状态。

页面响应较慢

如果网站本身在高峰期偶尔需要 8 秒以上才返回,先从访问日志、应用日志或反向代理记录中确认慢请求原因,再调整 Request Timeout。超时值可以略高于正常慢请求,但不能无限提高。

例如,若普通请求大多在 2 秒内返回,少数高峰请求需要 6 秒,可以先测试 10 秒超时,而不是直接设置为 60 秒。重试慢请求会增加应用压力,尤其是接口包含数据库写入、订单提交或其他非幂等操作时。

对 GET 页面检查可以采用有限重试;对可能触发写入的请求,不应通过重复发送来验证可用性。

返回 5xx 错误

502、503 和 504 表明服务器确实返回了错误响应。少量重试可以过滤一次性的上游重启或连接切换,但持续出现 5xx 时,应查看:

  • Nginx 或其他反向代理的错误日志;
  • PHP-FPM、Node.js、Java 或其他应用进程状态;
  • 上游服务连接数和响应时间;
  • 数据库连接池、CPU、内存和磁盘空间;
  • 是否刚刚发生部署或配置变更。

如果把重试次数调得很高,可能会让应用在已经过载时收到更多重复请求,反而增加恢复时间。

返回 200 但页面不可用

有些站点在应用异常时仍返回 200,页面正文却是“系统维护中”“服务暂不可用”或统一错误模板。仅检查状态码无法发现这类问题。

可以使用 Uptime Kuma 的关键词监控,检查页面中应该出现的稳定文本,例如站点名称、固定导航元素或健康接口中的状态字段。同时设置排除关键词,避免把错误页当作正常页面。

关键词不应选择经常变化的时间、推荐内容或广告文本,否则内容变化会制造新的误报。健康检查接口也不能只返回一个固定的 200;如果数据库、缓存或关键依赖不可用,健康接口应根据业务需要返回相应状态。

DNS 或 TLS 问题

DNS 解析失败、证书过期、主机名不匹配和错误证书链,不是单纯增加重试就能可靠解决的问题。

可以把以下检查分开:

  • HTTP(s) 监控:验证页面能否正常访问;
  • 证书到期提醒:提前发现证书即将过期;
  • DNS 检查:确认 A、AAAA 或 CNAME 记录符合预期;
  • 外部监控点:确认不是马来西亚节点本地解析器或出口路径的问题。

对于生产网站,不要开启忽略 TLS 错误。若开启该选项后告警消失,消失的只是监控检查,不是证书问题本身。

用一次示例判断重试是否合适

假设当前配置如下:

Heartbeat Interval: 60 秒
Request Timeout: 10 秒
Retries: 2
Heartbeat Retry Interval: 10 秒

某次检查在 12:00:00 开始:

  1. 第一次请求在连接阶段失败;
  2. 等待 10 秒后进行第一次重试;
  3. 第一次重试仍然失败,再等待 10 秒;
  4. 第二次重试成功;
  5. 该轮检查最终保持为可用状态,不应因为一次短暂失败就产生持续故障告警。

如果三次请求都失败,监控器才应把这一轮判定为失败。若每次都接近 10 秒才超时,判定时间可能接近 40 秒到 50 秒;若连接立即被拒绝,实际用时会明显短于这个范围。

用一次示例判断重试是否合适配图

如果网站在 12:00:00 到 12:02:00 之间持续不可用,重试会延迟告警,但不应让故障长期保持无提示。此时应根据业务要求判断:若业务要求 30 秒内发现故障,60 秒心跳加两次重试可能过于宽松;若普通内容站允许几十秒的网络抖动,当前配置可能更合适。

调参的核心不是追求“告警越少越好”,而是让告警与用户实际影响保持一致:

  • 只失败一次、很快恢复:可以被重试吸收;
  • 连续失败达到业务容忍时间:应通知;
  • 页面状态码正常但业务功能失败:应增加内容或业务检查;
  • 仅某一网络位置失败:应区分节点故障和全局故障。

结果检查和异常处理

短暂失败仍然触发告警

先检查重试参数是否真的保存成功,再检查以下项目:

  1. 当前编辑的是正确的监控器;
  2. Retries 的含义是否为额外重试次数;
  3. Heartbeat Retry Interval 是否被设置得过长或为零;
  4. 失败是否发生在 DNS、TLS 或关键词检查阶段;
  5. 通知发送时间是否对应最终 Down 状态,而不是其他监控器;
  6. 是否有外部监控点同时报告相同故障。

如果 Uptime Kuma 的历史中显示每次最终检查都失败,增加重试不会解决 DNS、证书或稳定的 5xx 问题,应回到原始请求和服务器日志继续判断。

真实故障迟迟没有告警

可能的原因包括:

  • 重试次数过高;
  • 重试间隔过长;
  • 请求超时设置过大;
  • 监控器被暂停或处于维护状态;
  • 接受了不应接受的状态码;
  • 通知渠道本身发送失败;
  • 监控器运行在与网站相同的故障域中。

可以先把参数恢复到修改前的记录,再逐项检查通知渠道和监控状态。若需要快速恢复告警敏感度,可暂时将重试次数降为 1,观察告警行为后再决定是否恢复为 2。

修改后仍然频繁告警

不要继续无限增加重试。先在马来西亚服务器上执行不带重试的 curl 测试,确认 Uptime Kuma 看到的错误是否能够复现。然后按以下顺序缩小范围:

  1. 查看失败时的 HTTP 状态码和响应时间;
  2. 比较 IPv4、IPv6 和解析结果;
  3. 查看 Nginx 或应用日志中的同一时间点;
  4. 对比外部监控点的结果;
  5. 判断是单次抖动、特定路径问题还是持续性故障;
  6. 只调整一个参数,再观察一段时间。

如果使用 Nginx,可以在具备相应权限时查看近期错误日志:

sudo journalctl -u nginx --since "30 min ago" --no-pager

如果 Nginx 不是通过 systemd 管理,或者应用使用容器运行,应使用实际的日志查看方式,不要根据示例命令猜测服务名称。

上线前后的验收清单

完成调整后,可以按以下清单验收:

  • [ ] 已确认 Uptime Kuma 的运行位置是马来西亚服务器;
  • [ ] 已区分同机健康检查与公网 HTTP 检查;
  • [ ] 已记录修改前的心跳、超时和重试参数;
  • [ ] 普通网站先使用有限重试,而不是无限延长等待;
  • [ ] Request Timeout 高于正常慢请求,但没有设置到无法接受的时长;
  • [ ] Retries 的含义已按当前版本界面确认;
  • [ ] 重试间隔能够覆盖常见短暂抖动,又不会显著拖慢告警;
  • [ ] Accepted Status Codes 与网站真实预期一致;
  • [ ] TLS 证书校验保持开启;
  • [ ] 需要时增加了关键词或业务健康检查;
  • [ ] 已用马来西亚服务器上的原始请求核对状态码和耗时;
  • [ ] 已比较 IPv4、IPv6 或 DNS 解析差异;
  • [ ] 短暂失败不会轻易造成故障通知;
  • [ ] 持续失败仍能在业务允许的时间内告警;
  • [ ] 恢复后能够收到恢复通知,且重复通知数量可接受;
  • [ ] 批量修改时已保留可恢复的配置或数据备份;
  • [ ] 连续观察 24 小时到 7 天后,再决定是否继续调整参数。

合理的重试设置应该让监控器“更有判断力”,而不是让它对故障变得迟钝。对于马来西亚服务器上的 Uptime Kuma,最重要的是先确认监控点代表哪条网络路径,再用历史失败记录确定重试窗口,最后通过一次失败请求、持续失败和恢复通知分别验证配置是否达到预期。

本文由A5数据原创发布,转载请注明出处:https://www.a5idc.com/helpcontent/9935.html

相关推荐