网站集群

去年冬天，网站集群我帮一个做跨境电商的网站集群朋友排查服务器故障。他们业务不大，网站集群日活也就两三万，网站集群但技术负责人坚持要搞“高可用架构”——三台应用服务器、网站集群一台数据库、网站集群一台Redis，网站集群外加负载均衡。网站集群结果呢？网站集群三台应用服务器上的代码版本不一致，一台跑的网站集群是三个月前的旧版，另外两台虽然版本号相同，网站集群但配置文件里连数据库连接池大小都不一样。网站集群故障发生时，网站集群负载均衡把一半流量切到了一台内存泄漏的网站集群机器上，整个站点崩了四个小时。网站集群

这不是高可用，这是高复杂。问题出在“集群”这个词被滥用了。很多人以为把几台机器堆在一起就是集群，其实那只是“一堆机器”。真正的网站集群，核心不在于数量，而在于它们是否共享同一个状态视图，是否对外表现为一个逻辑单元。

我见过最干净的集群设计，是一家做在线文档协作的小团队。他们只有两台Web服务器，用Nginx做上游，但关键在于：所有用户会话都存进Redis，文件上传走独立的对象存储，两台机器上跑的是完全相同的Docker镜像。部署时用Ansible推一次，两台机器同时更新。任何一台挂掉，另一台接管全部流量，用户甚至感觉不到切换。他们的集群规模很小，但逻辑是完整的。

反过来，我也见过某中型电商的“集群”——十二台Web服务器，每台机器上跑着不同的定时任务，有的机器负责生成首页缓存，有的机器负责处理订单队列，还有一台专门跑图片压缩。问他们为什么不拆成独立服务，回答是“历史遗留”。这种集群，加机器反而增加故障点。因为每台机器都是特殊的，运维得记住十二套不同的配置。这不是集群，这是分布式单体。

集群的本质是冗余，不是分工。分工是微服务的事。当你决定做集群时，第一原则应该是：任意一台机器宕机，剩余机器能无缝接管。这意味着每台机器必须是无状态的，或者状态必须外置到共享存储。我见过太多团队在Web服务器上存session文件，然后抱怨负载均衡“不稳定”——不是负载均衡不稳定，是你把状态绑在了机器上。

另一个常见误区是数据库集群。很多人一上来就搞MySQL主从复制，读写分离。但主从延迟是个坑。你刚写入一条订单，用户立刻刷新页面，从库还没同步，订单消失了。用户以为下单失败，又点了一次。这种问题在低并发时看不出来，一旦流量上来，就是灾难。我的建议是：如果业务量没到单库瓶颈，别碰数据库集群。先优化索引，再考虑缓存，最后才是分库分表。集群是最后的手段，不是第一选择。

还有个细节：集群里的时间同步。听起来很基础，但NTP没配好，会导致日志时间错乱，排查故障时你根本分不清哪台机器先出的问题。我遇到过一台机器时间慢了七分钟，结果它的日志看起来像是“未来”发生的错误，把整个排查方向带偏了。

网站集群不是技术炫耀。它是一套约束：约束你的部署流程必须自动化，约束你的状态必须外置，约束你的配置必须统一。做不到这些，机器越多，故障越多。我那个跨境电商朋友后来砍掉了两台应用服务器，只留一台加一个热备，代码版本统一了，故障反而少了。有时候，少即是多。