I IT 面试题库
【故障排查】Spring Cloud Gateway 网关突然出现大量 HTTP 503,用户侧大面积不可用。请给出系统化定位思路,区分是注册中心、下游服务还是网关自身的问题。
高级故障排查题Java后端工程师技术经理后端架构师网关SpringCloudGateway503故障排查全链路追踪
题目
追问链第 4 问:网关是统一入口,503 是「上游不可用」信号,但要锁定真正责任人。
参考答案
内容深度:适中 · 无代码示例 · 来源:外部链接 · 未复核 · 59 天前更新 · 技术内容可能随版本变化,建议结合官方文档理解
要点:
- 第一步:界定 503 含义与范围。Gateway 的 503 通常来自后端路由失败(no available instance)或转发超时/连接拒绝。先确认是全量接口还是特定服务 503:全量→网关或注册中心层面的共性问题;特定→某个下游服务故障。同时看是否伴随 504(超时)还是纯 503(无可用实例)。
- 第二步:查注册中心。登录 Nacos/Eureka 控制台,看目标服务实例列表是否为空、健康状态、最后心跳时间。若实例数骤降或为 0,说明是注册中心侧问题(实例被误剔除、健康探测失败、或注册中心自身不可用导致列表未刷新);同时检查网关本地缓存的服务列表是否过期。
- 第三步:查下游服务。若注册中心实例正常,直接拨测下游 Pod 的 readiness/health 与业务端口,确认进程是否存活、线程池/连接池是否打满、GC 是否长时间 Stop-The-World。下游自身故障(OOM、慢 SQL、依赖雪崩)会让网关拿不到健康响应而 503/504。
- 第四步:查网关自身。看 Gateway 路由配置/断言是否变更、连接池(reactor-netty)是否耗尽、是否超时配置过短触发熔断、网关节点 CPU/内存/文件句柄是否瓶颈。结合全链路追踪(SkyWalking/Jaeger)定位耗时落在哪一段。
- 止血与根治:临时对故障服务熔断降级/返回兜底;长期加实例健康检查、限流、舱壁隔离,避免单点拖垮网关。
题目与答案就在本页;收藏、批注和错题重练在应用内