网站间歇性502与504怎么排查:从Nginx日志到PHP-FPM队列

    发布时间:2026-10-19 08:06 更新时间:2026-10-19 08:06 阅读量:0

    网站跑得好好的,偶尔刷新一下蹦出 502 Bad Gateway,或者页面转圈十几秒后变成 504 Gateway Timeout,过一会儿又自己好了——这类间歇性故障比持续宕机更让人头疼,因为它不留明显痕迹,重启一下似乎就正常,过几天又冒出来。对做企业站和商城站的读者来说,每一次偶发报错都可能落在客户访问的那一瞬间,影响的是询盘和信任。本文按“先看谁在报错、再看排队、最后看超时”的顺序,把这套排查流程讲清楚,让你遇到问题时不用凭感觉重启服务。

    先分清 502 和 504 分别代表什么

    这两个状态码都由 Nginx 抛出,但含义不同:502 表示 Nginx 把请求转给后端(常见是 PHP-FPM 或另一台上游服务)后,连接被拒绝、被提前关闭,或返回了不合法的响应;504 表示 Nginx 等后端响应超时了。换句话说,502 多是“后端没接住”,504 多是“后端接住了但太慢”。间歇性出现说明后端在特定时刻资源不足,而不是彻底挂掉。

    排查第一步永远是日志。Nginx 的 error.log 会记录 upstream 相关的原因,比 access.log 里的状态码有价值得多:

    # 统计最近的 502/504 及上游原因(路径以实际环境为准)
    tail -n 20000 /var/log/nginx/error.log | grep -E "502|504|upstream" | awk '{print $0}' | tail -n 50
    
    

    按小时看错误分布,判断是否集中在访问高峰

    grep -E "502|504" /var/log/nginx/error.log | awk '{print $1" "$2}' | cut -d: -f1 | sort | uniq -c | sort -rn | head

    日志里常见的关键词有 connect() failed (111: Connection refused)、upstream prematurely closed connection、upstream timed out。前者通常指向 PHP-FPM 没在监听或进程池被占满;中间那种往往是后端进程崩溃或主动断开;后者才是真正意义上的慢。先确认关键词,再决定往哪个方向查,能省掉大量无用功。

    第二层:PHP-FPM 进程池是否被占满

    PHP-FPM 用固定或动态数量的 worker 进程处理请求,池子满了,新请求只能排队,排到 Nginx 的 fastcgi 超时时间还没轮到,就变成 504;如果队列也满了,FPM 直接不接,Nginx 侧就是 502。判断池子是否吃紧,看 FPM 的慢日志和状态页最直接。先确认配置里打开了慢日志:

    ; /etc/php-fpm.d/www.conf 或 /etc/php/*/fpm/pool.d/www.conf
    ; 具体路径与版本以实际环境为准
    request_slowlog_timeout = 5s
    slowlog = /var/log/php-fpm/www-slow.log
    
    ; 进程池规模,需结合内存估算
    pm = dynamic
    pm.max_children = 50
    pm.start_servers = 10
    pm.min_spare_servers = 5
    pm.max_spare_servers = 20
    pm.max_requests = 500

    改完重载后,用下面的命令观察慢请求和进程占用:

    # 查看慢日志里耗时较长的脚本
    tail -n 100 /var/log/php-fpm/www-slow.log
    
    

    观察 FPM 进程数与内存占用

    ps -eo pid,rss,cmd | grep "php-fpm: pool" | grep -v grep | wc -l free -m

    如果慢日志里反复出现同一个脚本(比如某个查询很重的列表页或导出功能),问题在代码和数据库,不在 Nginx;如果进程数长期贴着 max_children 上限,说明池子偏小或单请求占用内存过大,需要结合 free -m 的剩余内存谨慎上调,切忌盲目调大导致内存耗尽触发 OOM。对流量有季节波动的企业站,可以按高峰时段的实际并发留出余量,具体数值以压测和监控数据为准,相关容量思路可参考建站方案中的资源规划部分。

    第三层:后端与 Nginx 的超时参数是否匹配

    如果日志显示 upstream timed out,且 FPM 池子并未打满,就要检查超时链条是否合理。Nginx 的 fastcgi_read_timeout 必须大于后端正常处理时间,否则一个本来 40 秒能完成的报表请求会被 30 秒的默认值掐断;反过来,把超时设得过大,慢请求会持续占用 worker,拖累其他访客。建议按业务实际设定,并给静态资源和动态请求分开配置:

    location ~ \.php$ {
        fastcgi_pass unix:/run/php-fpm/www.sock;
        fastcgi_index index.php;
        include fastcgi_params;
        fastcgi_connect_timeout 5s;
        fastcgi_send_timeout 30s;
        fastcgi_read_timeout 30s;
    }
    
    location ~* \.(js|css|png|jpg|webp|woff2)$ {
        expires 30d;
        add_header Cache-Control "public";
    }

    同时排查后端依赖:数据库连接数是否被打满、Redis 是否出现慢查询、是否有定时任务在高峰时段集中跑。很多“间歇性”其实是整点备份或采集脚本与访客请求撞车造成的。把这类任务挪到低峰,往往比调参数更有效。若站点已上云,还应确认云监控里 CPU、内存、磁盘 IO 是否在报错时段出现尖峰,必要时开启负载均衡的多个后端实例分摊压力。

    把排查变成日常动作:准备清单

    临场排查靠经验,长期稳定靠机制。下面这份清单可以直接照着推进,适合中小团队按周执行:

    • 开启并定期轮转 Nginx error.log、PHP-FPM 慢日志,保留至少 7 天,方便回溯偶发问题;
    • 配置状态页或基础监控,记录 FPM 活跃进程数、队列长度、Nginx 5xx 比例,超过阈值告警;
    • 用 curl -o /dev/null -s -w "%{http_code} %{time_total}\n" 对核心页面做定时探测,区分“全站慢”还是“个别页面慢”;
    • 梳理定时任务清单,把备份、数据同步、批量采集移出访问高峰;
    • 每次调整 pm.max_children 或超时参数前记录当前值,变更后观察一天再决定是否继续调;
    • 对确有性能瓶颈的页面做缓存或异步化改造,这在客户案例的架构复盘中也有类似思路可参考。

    投入方面,日志与状态监控基本不产生额外费用,主要成本是人力时间;如果并发确实增长,再考虑升级内存或增加后端节点,按监控数据决策而不是一次买大。要点在于:先定位到具体层级,再动手改配置,避免把 502 当成 504 来调,白白折腾一轮。把日志、进程池、超时这三层按顺序走一遍,大多数间歇性报错都能找到源头,站点也就能从“偶发抽风”回到稳定可预期的状态。

    准备做网站,先从哪一步开始?

    如果你希望把上面的思路落到自己的行业与目标市场,可以先看 建站方案 了解一站式流程,再对照 客户案例 判断哪些做法适合自己的业务;也可以加微信 tsrz001 沟通需求,把页面结构、预算和排期先聊清楚再动手。

    继续阅读

    📑 📅
    云服务器快照策略怎么定:按数据变更频率安排周期与保留份数 2026-10-19
    服务器快照与备份不是一回事:恢复粒度、异地与演练 2026-10-19
    企业官网迁移服务器完整流程:备份、DNS切换与回滚检查表 2026-10-19
    首屏时间、TTFB与跳出率:网站速度如何影响询盘转化 2026-10-19
    服务器带宽怎么算:页面体积与并发估算及计费选择 2026-10-19
    企业建站服务器配置怎么选:按访问量与业务类型对照 2026-10-19
    云服务器与虚拟主机怎么选:四个维度做判断 2026-10-19
    带宽与页面打开速度:先算清首屏字节,再谈升级 2026-10-19
    服务器线路怎么挑:普通、优化与BGP多线的实际差异 2026-10-19
    云服务器还是虚拟主机:三个维度帮企业建站做取舍 2026-10-20