一、先分清三种「打不开」:解析、连接、响应
域名换了服务器,或者服务器刚重装完系统,很多站长第一反应是「网站打不开了」,然后开始乱改配置文件。其实从浏览器到最终页面之间隔了好几层,第一件该做的事不是修,而是判断卡在哪一层。判定手段只有一条命令:curl -v,它会把你和服务器之间的每一步握手都打出来。看懂它的输出,90% 的「打不开」当场就能归位到下面三类中的一类。
第一类:DNS 根本没解析
特征:curl 立刻返回 Could not resolve host,耗时只有几毫秒。这说明数据包连发出去的机会都没有,问题在解析环节。可能原因有四种:A/AAAA 记录没添加、记录添加了但主机商那边同步还没完成、本地用的是不存在的 CNAME 目标、本机 hosts 或本地 DNS 缓存里还有旧数据。用 dig +short A 域名 和 dig +short AAAA 域名 分别查,再换一个公共 DNS 查一遍(例如 dig @223.5.5.5 域名 A),两次结果不一致就是 DNS 传播或缓存问题,等而不是改。
第二类:能解析,但连接被拒或超时
特征:curl 输出里出现 Connection refused(立刻返回,几十毫秒)或 Connection timed out(卡十几秒到一分钟以上)。这两个词含义完全不同:refused 意味着数据包到了,但对方主机上没有进程在监听;timeout 意味着数据包根本没被回应,可能是机房防火墙、云厂商安全组、或者本机 iptables/nftables 把包丢了。判断顺序永远是先 refused 后 timeout:refused 去查「服务起没起、监听地址对不对」,timeout 去查「网络策略放不放行」。
第三类:连上了,但响应不对
特征:TCP 握手成功,TLS 握手也成功,然后返回 403、404、500、502、503 或者干脆是空白页。这一类最常见也最容易误判成「服务器坏了」,实际上九成是配置问题:域名绑定错了、证书不匹配、反向代理由后端挂了、站点目录指错了。看到状态码就先去看响应头里有没有 Server: 指到你以为的那个软件,很多人的 404 实际上是请求发到了同一台机器上的另一个虚拟主机。
二、从本机到服务器:六步逐层验证的命令顺序
下面这一组命令是固定顺序,不要跳步。每一步都只回答一个问题,前一步不通就不要再往下走。
- 第一步,本机解析:
dig +short 域名。返回空就是没记录;返回两个以上 IP 要留意是不是有旧记录残留。 - 第二步,跨网络解析:
dig @8.8.8.8 域名。与第一步结果不同,说明本地缓存或本地 DNS 有问题,换 DNS 或等 TTL。 - 第三步,端口连通:
curl -sv --resolve 域名:443:服务器IP https://域名/ -o /dev/null。用--resolve直接指定 IP,绕开 DNS,这是在迁移期最重要的一个参数。 - 第四步,TLS 握手细节:
openssl s_client -connect 服务器IP:443 -servername 域名 -brief。看证书的 CN/SAN 里到底有没有你现在访问的域名。SNI 传错或不传,服务器会返回默认站点的证书,浏览器报「证书风险」。 - 第五步,应用层请求:
curl -sS -D - -o /dev/null --max-time 10 https://域名/。状态码和响应头都出来了,重点看Server、Cached(CDN 加的)、X-Powered-By。 - 第六步,绕开 CDN 直连源站: 把第三步和第五步的目标换成源站 IP。如果源站正常而域名不正常,问题就出在 CDN 的证书、缓存或源站回填配置上。
这套顺序的价值在于每一步都能单独下结论。很多站长把六层混在一起看,结果改了一堆配置,问题依然在。反过来,只要按顺序走,通常三步之内就能定位。
三、413 与 500 分不清:上传失败的六层限制
上传大文件失败是典型的「看着像服务器坏了,实际是参数没配」。这条链路上至少有六个地方会拦你,而且报错信息经常互相掩饰,出现 500 而不是明确的 413。
Nginx 这一层
client_max_body_size 默认只有 1M,超过直接返回 413。这个指令可以写在 http、server、location 三级,生效的是最内层那个,所以在 location ~ \.php$ 里漏配会让 server 级的设置失效。另一个坑是:当 Nginx 判定请求体过大时,它会在读完整个请求体之前就回 413,此时 PHP 可能已经开始处理,日志里会同时出现两边的错误,容易看混。
PHP 这一层
upload_max_filesize 决定单个文件,post_max_size 决定整个请求体,两者必须满足 post_max_size > upload_max_filesize。如果只改前者,超大请求会被 PHP 直接丢弃,$_FILES 为空,程序自己抛出异常,浏览器看到的就是 500。memory_limit 也要留够:图片处理类程序会把上传的文件整个读进内存,1G 内存的机器上把 memory_limit 设成 256M 再上传 10 张图,很容易连环 OOM。
反向代理这一层
如果站前面套了 CDN 或另一台反代机,那台机器的限制同样生效。Nginx 作为反代时 client_max_body_size 要放在接收请求的那个 server 块里,而不是后端的。超时参数 client_body_timeout 和 proxy_read_timeout 也要一起调——上传 200M 的文件在 10Mbps 的宽带下要三分多钟,超过 60 秒的默认值照样失败,而失败点看上去像后端崩溃。
应用与磁盘这一层
临时目录 upload_tmp_dir 所在的分区满、或 /tmp 被挂成了小容量 tmpfs,表现同样是 500 且日志里只有一句「move_uploaded_file failed」。用 df -h /tmp 和 df -i /tmp 各看一眼,inode 用尽这种情况在大量小文件的站点上很常见,而 df -h 显示的容量还是空的。
四、那次「上传就 500」的完整排查推演
去年一个图片站搬完服务器后,后台上传超过 2M 的图片必报 500,小于 2M 一切正常。按下面顺序走了一遍,十五分钟定位。
先复现并固定变量。 用 curl -F "file=@test3m.jpg" -b "cookie" 直连上传接口,确认 500 稳定复现,且 1.9M 的文件成功、2.1M 的失败,边界卡在 2M 附近——这个数字本身就是线索,2M 是 upload_max_filesize 的常见默认值,但 PHP 超限本该返回「文件过大」提示,用户看到的是 500,说明程序没接住这个错误。
读两边的日志。 Nginx 的 error.log 里只有 upstream sent too big header 这种无关噪声,access.log 记录的 body_bytes_sent 很小、状态 500。转去看 PHP-FPM 的慢日志和 error_log,发现一句「Allowed memory size exhausted」——不是上传被拒,是上传成功后处理图片时把内存撑爆了。真正的根因是搬迁时新机器的 memory_limit 沿用了模板里的 128M,老机器是 512M。
验证假设。 把 memory_limit 临时调到 512M,重启 FPM,同一个 3M 图片立刻上传成功。为了确认边界,再传一张 8M 的,又崩了,说明单纯调大内存不是解法,还会把整台机器拖进 swap。
正确的收口。 三层一起处理:Nginx 的 client_max_body_size 设为 10m 与业务上限对齐;PHP 的 upload_max_filesize 8M、post_max_size 10M;图片处理改成先缩放到最长边 2000px 再入库,内存占用从原来的「按原图尺寸算」降到固定几兆。同时把 memory_limit 提到 256M 作为余量。改完再压测二十张连续上传,内存曲线平稳,问题闭环。
这个案例值得记住的是:500 往往是程序层没接住的错误,而不是它真的「崩了」。看到 500 先去 PHP 或应用的错误日志,而不是盯着 Nginx 配置改。
五、502 与 504:反代链路的两种典型断点
502 是「后端给了无效响应或直接断了」,504 是「等后端等到超时」。两者都发生在 Nginx 作为反代的时候,但处理方向相反。
502 常见于:PHP-FPM 进程池耗尽(pm.max_children 太小而并发大)、后端套接字路径写错、后端进程被 OOM killer 杀掉、后端返回的响应头超过 proxy_buffer_size。定位手法是看 Nginx 的 error.log,它会明确指出是哪一种,例如 connect() to unix:/run/php-fpm.sock failed 是套接字不存在,upstream prematurely closed connection 是后端主动断。
504 常见于:慢查询把后端拖住、后端在做大文件导出、proxy_read_timeout 太短。判定关键是把 proxy_connect_timeout、proxy_send_timeout、proxy_read_timeout 三个值分开看,再对照 Nginx 日志里的 upstream_response_time。如果 request_time 是 60 秒而 upstream_response_time 是 59.9 秒,问题在后端;如果 upstream 只有 0.1 秒而 request 是 60 秒,那时间花在别处,比如客户端上传慢或者 gzip 压缩大响应。
六、403 与 404:看上去是权限,实际多是路径
403 的第一嫌疑人永远是目录权限,但实际排查里更多见的是路径问题。Nginx 的 root 与 alias 语义不同:root 是「拼在 URI 前面」,alias 是「替换掉匹配到的 location 部分」。写成 location /static/ { alias /var/www/static/; } 是对的,写成 alias /var/www/static(少一个斜杠)在某些版本上会拼出 /var/www/staticfile.css 这种不存在的路径,于是 404。反过来 root /var/www/static 则会去找 /var/www/static/static/x.css。
另一个高频 404 是文件确实存在,但大小写不一致。Linux 区分大小写,Windows 和 macOS 的默认文件系统不区分,所以本地测试一切正常、上线就碎图。批量修法是先用日志把 404 的 URL 全部抓出来,再用 find 忽略大小写找真实文件名,最后决定是改文件名还是加重写规则。
如果目录里确实有文件、权限也给了 755,还 403,那就往上找一层:父目录的可执行位。Nginx 的工作进程要遍历到文件,路径上每一级目录都必须有 x 权限;有人把 /var/www 设成 700,下面站点目录 755 也没用。用 namei -l /var/www/site/file 一条命令就能把整条路径的权限一次列出,比逐层 ls -ld 快得多。
七、给「打不开」做一张十分钟的处置卡
把上面的内容压缩成一张随手能用的卡片,遇到问题照着走,不要临场发挥:
- 第 1 分钟:
curl -v https://域名/ --max-time 15,看是解析失败、连接失败还是状态码异常。 - 第 3 分钟:解析失败就查 A/AAAA 与 TTL;连接失败就分 refused(查监听)与 timeout(查策略)。
- 第 5 分钟:状态码在 5xx 就看 Nginx
error.log的最后二十行,以及 PHP/应用日志。 - 第 7 分钟:4xx 先核对请求打到了哪个 server 块,用
curl -H "Host: 域名" http://127.0.0.1/直接问本机。 - 第 10 分钟:以上都正常但用户还说打不开,就是他们的网络或 DNS 缓存问题,让他们换
--resolve或换网络复测,不要再去动服务器。
最后一条最容易被忽略。自己这边全部正常、用户那边打不开的时候,八成是对方的解析缓存或运营商链路问题。这时候最大的风险不是故障本身,而是你在正常的服务器上乱改,把一个本来没问题的小故障变成真故障。先证明问题不在自己这边,再决定要不要动手,这是运维排查里最省事的一条纪律。