掌握 Nginx 与 API 网关性能优化：SRE 实战指南

场景

您负责生产环境中的 Nginx 或 API 网关（如 Kong、NGINX Plus 或自定义 OpenResty），发现 API 响应延迟飙升，CPU 使用率过高，甚至有超时错误。此类情况常由配置不当、缓存缺失或中间件处理瓶颈引起。

症状

• 平均响应时间增加 2 倍以上
• 上游服务器频繁 504 超时
• 系统日志中出现“upstream timed out”错误
• Nginx 工作进程 CPU 占用接近 100%
• 客户端报告连接重置或缓慢加载

诊断

首先采集基线指标：

# 查看 Nginx 活跃连接
$ curl http://localhost/nginx_status | grep -E 'Active|Waiting'
# 测量上游响应时间
$ curl -w "@curl-format.txt" -o /dev/null -s https://api.example.com/endpoint
# 分析系统负载
$ htop -p $(pgrep -f 'nginx: worker' | tr '\n' ',')
# 抓包分析延迟
$ tcpdump -i eth0 port 80 -w capture.pcap

进一步检查 Nginx 配置中的关键参数：worker_processes、worker_connections、proxy_pass、proxy_cache、proxy_buffers。使用 nginx -T 查看完整配置。

调优命令

以下命令适用于 NGINX 或 OpenResty。请先在预发布环境测试。

1. 优化工作进程

worker_processes auto;          # 匹配 CPU 核心数
worker_rlimit_nofile 65536;    # 增大文件描述符限制

2. 启用代理缓存

proxy_cache_path /var/cache/nginx levels=1:2 keys_zone=my_cache:10m max_size=1g inactive=60m use_temp_path=off;
server {
    location /api/ {
        proxy_cache my_cache;
        proxy_cache_valid 200 302 60m;
        proxy_cache_use_stale error timeout updating http_500;
        add_header X-Cache-Status $upstream_cache_status;
    }
}

3. 调整缓冲区和超时

proxy_buffer_size 8k;
proxy_buffers 8 8k;
proxy_busy_buffers_size 16k;
proxy_connect_timeout 10s;
proxy_send_timeout 10s;
proxy_read_timeout 30s;

4. 保持上游连接

upstream backend {
    keepalive 32;
    keepalive_requests 100;
}
server {
    location / {
        proxy_http_version 1.1;
        proxy_set_header Connection "";
        proxy_pass http://backend;
    }
}

5. 启用 Gzip

gzip on;
gzip_types application/json text/plain text/css;
gzip_min_length 1000;

6. 中间件特定调优（以 Kong 为例）

• 速率限制：使用 redis 策略，避免共享内存争用
• 认证：预计算并缓存 JWT 公钥，减少上行请求
• 插件链：禁用不必要的插件，避免每个请求都执行

风险控制

• 修改配置前备份当前配置：cp /etc/nginx/nginx.conf /etc/nginx/nginx.conf.bak
• 检查配置语法：nginx -t
• 逐步灰度发布：先在一台节点 reload，观察 5 分钟
• 设置监控告警：响应时间、错误率、CPU 使用率
• 使用配置管理工具（如 Ansible）确保一致性

回滚

若出现问题，立即执行：

# 恢复备份
$ cp /etc/nginx/nginx.conf.bak /etc/nginx/nginx.conf
# 优雅重载
$ systemctl reload nginx
# 验证连接和错误日志
$ tail -f /var/log/nginx/error.log

如果更改涉及系统参数（如 sysctl），使用 sysctl -p 恢复原始值。

验证

性能验证建议使用以下工具：

# 使用 wrk 进行压力测试
$ wrk -t12 -c400 -d30s https://api.example.com/endpoint
# 对比调优前后指标：延迟百分位（p50, p95, p99）
# 使用 ab 简单测试
$ ab -n 10000 -c 100 https://api.example.com/endpoint
# 检查缓存命中率
$ curl -I https://api.example.com/endpoint | grep X-Cache-Status

理想结果：响应时间降低 50% 以上，CPU 使用率下降，无超时错误。

何时提交 OpsGlobal 工单

当您遇到以下情况时，应将问题升级至 OpsGlobal 支持团队： - 经上述调优后性能仍未改善 - 需要深度分析内核级网络问题或 Tcp 参数 - 第三方 API 网关（如 Kong）出现内部异常或插件 bug - 需定制化 Nginx 模块（如lua-resty）或编译优化 - 环境规模超过单机处理能力，需要负载均衡架构咨询

OpsGlobal 的 SRE 团队具备丰富的生产环境调优经验，可远程协助诊断并实施安全变更。