总结：nginx502：API接口502异常排查过程

一、问题背景

118机器出现接口不通报警，一段时间后恢复

二、502可能的原因

1、后端服务挂了

这种表现是立即502，不会出现请求一会之后502，比如上次VPS的cron三台都内存溢出了，虽然进程在，但是日志不打印了。

2、后端响应非常慢（这个可能不是502，而是504，再研究下）

这种主要就是后端服务有压力，导致迟迟不能响应。对于这种现象，主要从后端压力角度去排查

3、请求被丢弃了

tomcat一般会有一个接收队列，如果满了，就会丢弃，这种印象中好像是几秒之后502

三、排查过程

1、确认问题：nginx大量502异常，即nginx对应的后端服务可能处理很慢或者将请求丢弃了。

2、检查118机器的cpu，内存，网络等基础指标，发现eth0这段时间入口流量骤减，几乎为0，而且出问题的几天，时间吻合，其它指标正常，说明流量减少一定是问题的一个主要突破口。

3、eth0网络入口流量为0，有两种可能：1、网络问题导致机器不通；2、tomcat服务负载太高，导致新的socket请求连接被拒绝；

4、检查网络：发现本机的ping检测无丢包现象，另外，同个机房的其它机器也都没有丢包的情况，那么网络问题就可以被排除了。

5、tomcat问题：由于之前调整过acceptcount到10000（当连接数20000左右的时候，会导致队列中的请求等待的时间很长），第一反应是：这个时间段，肯定有一些请求导致tomcat的请求队列满了，导致请求在排队，从而时间比较长。其它请求由于队列已经满了于是被丢弃，tomcat则不会接受TCP连接，从而导致入口流量降低。于是，在tomcat的log中增加了请求时间%T，希望在出问题的时间段找出有请求时间很长的请求。

6、等待了一天。

7、观察昨天的数据：发现在相同的时间段，出现了很多简单的请求却需要花大概将近2分钟，而且很多花了将近1分钟，

分析的命令： sort -k11rg file.txt：简单解释：按照空格分割，分割后按照第11列的数据排序，-r是倒叙排序，-g是将字符串转成数值再排序

8、找到对应的请求地址，以及客户端，找到客户端对应的负责人，和其沟通发现：会在每天凌晨大批量调用这个接口导致。

四、http 502 和 504 的区别

（1）502是网关错误，504是网关超时

（2）二者很类似

• 502是代理服务器后面的真实服务器节点配置出了问题或者已经挂掉了
• 而504是代理服务器后面的真实服务器已经过载，它要处理的请求报文实在太多，忙不过来了。

（3）502还有一种情况就是nginx与fastcgi即PHP进程配合的不恰当，导致返回502网关错误。

502–Bad Gateway

当服务器充当网关或代理并收到来自另一台服务器的无效响应时，在数据收集过程中会经常发生此错误；当代理拒绝Internet连接或发送的请求时，会检测到IP对所选设置不可用，因为机器人指示502代码。

504–Gateway Timeout

当服务器(a)充当外部网关或代理并且没有及时收到来自下一个服务器(b)的响应时，会收到“504–网关超时”，在尝试访问以实现请求。